Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales

La Inteligencia Artificial ha ayudado a lidiar diferentes problemas relacionados con los datos masivos y a su vez con su tratamiento, diagnóstico y detección de enfermedades como la que actualmente nos preocupa, la Covid-19. El objetivo de esta investigación ha sido analizar y desarrollar la clasificación de imágenes de neumonía a causa de covid-19 para un diagnostico efectivo y óptimo. Se ha usado Transfer-Learning aplicando ResNet, DenseNet, Poling y Dense layer para la elaboración de los modelos de red propios Covid-UPeU y Covid-UPeU-TL, utilizando las plataformas Kaggle y Google colab, donde se realizaron 4 experimentos. El resultado con una mejor clasificación de imágenes se obtuvo en el experimento 4 prueba N°2 con el modelo Covid-UPeU-TL donde Acc.Train: 0.9664 y Acc.Test: 0.9851. Los modelos implementados han sido desarrollados con el propósito de tener una visión holística de los factores para la optimización en la clasificación de imágenes de neumonía a causa de COVID-19.

Palabras clave: covid-19; transfer-learning; reconocimiento; inteligencia artificial; pandemia; rayos x; clasificación de imágenes; pulmones; redes convolucionales.

 

Abstract

Artificial Intelligence has helped to deal with different problems related to massive data in turn to the treatment, diagnosis and detection of diseases such as the one that currently has us in concern, Covid-19. The objective of this research has been to analyze and develop the classification of images of pneumonia due to covid-19 for an effective and optimal diagnosis. Transfer-Learning has been used applying ResNet, DenseNet, Poling and Dense layer for the elaboration of the own network models Covid-Upeu and Covid-UpeU-TL, using Kaggle and Google colab platforms, where 4 experiments have been carried out. The result with a better classification of images was obtained in experiment 4 test N ° 2 with the Covid-UPeU-TL model where Acc.Train: 0.9664 and Acc.Test: 0.9851. The implemented models have been developed with the purpose of having a holistic view of the factors for optimization in the classification of pneumonia COVID-19 images.

Keywords: COVID-19; Transfer-Learnig; Recognition; Artificial intelligence; Pandemic; X-rays; Image classification; Lungs; convolutional networks.
Adiel Joshua Preciado Rodriguez, Flor Mayerli Flores Guillén, Aldo Emanuel Soraluz Soraluz, Jonathan Gerhard Rios Jara
 PDF  XML
Año 22. Vol 14 Número 1 Enero-Junio 2022
 
Elementos 1 - 1 de 1

Consejos de búsqueda:

  • Los términos de búsqueda no distinguen entre mayúsculas y minúsculas
  • Las palabras comunes serán ignoradas
  • Por defecto, sólo aquellos artículos que contengantodos los términos en consulta, serán devueltos (p. ej.: Y está implícito)
  • Combine múltiples palabras conO para encontrar artículos que contengan cualquier término; p. ej., educación O investigación
  • Utilice paréntesis para crear consultas más complejas; p. ej., archivo ((revista O conferencia) NO tesis)
  • Busque frases exactas introduciendo comillas; p.ej, "publicaciones de acceso abierto"
  • Excluya una palabra poniendo como prefijo - o NO; p. ej. -política en línea o NO política en línea
  • Utilice * en un término como comodín para que cualquier secuencia de caracteres concuerde; p. ej., soci* moralidad hará que aparezcan aquellos documentos que contienen "sociológico" o "social"