ALGORITMOS DE DEEP LEARNING PARA LA DETECCIÓN DE NEUMONÍA EN INFANTES A TRAVÉS DE IMÁGENES DE RADIOGRAFÍAS DEL TÓRAX
Una gran cantidad de infantes fallecen cada año a consecuencia de la neumonía en todo el mundo. Se reporta que aproximadamente más de 1 millón de casos de neumonía en infantes se da entre 0 y 5 años de edad, de los cuales 808 694 murieron en 2017. Por ende, la neumonía es una de las principales causas de fallecimiento entre los infantes, con un alto nivel de mortalidad en Asia y África. Incluso en un país desarrollado como Estados Unidos, la neumonía se encuentra entre las 10 principales causas de muerte. La detección y el tratamiento tempranos de la neumonía pueden reducir significativamente las tasas de mortalidad entre los infantes en países emergentes. Por lo tanto, este trabajo presenta algoritmos de deep learning para detectar neumonía mediante imágenes de radiográficas. Se entrenaron tres algoritmos de deep learning para clasificar las imágenes de radiografías en dos clases: neumonía y normal. Se presentan tres algoritmos, a cada uno se añadió una capa pooling de 4x4, se vectoriza los datos con la técnica flatten, se agregaron seis capas dense de 1024, 512, 256, 128, 64 y 32 de valor de salida y cada una con activación relu; se aplica un BatchNormalization, finalmente se agrega una capa dense de 2 con una activación softmax para la clasificación. Los tres algoritmos son modelos previamente entrenados, que son Xception, MobileNet e InceptionV3 obtuvieron en la métrica de accuracy 94.4%, 96.2% y 95.3% respectivamente.
ALGORITMOS DE DEEP LEARNING PARA LA DETECCIÓN DE NEUMONÍA EN INFANTES A TRAVÉS DE IMÁGENES DE RADIOGRAFÍAS DEL TÓRAX
-
DOI: 10.22533/at.ed.4002229032
-
Palavras-chave: neumonía infantil, deep learning, Xception, MobileNet, InceptionV3
-
Keywords: childhood pneumonia, deep learning, Xception, MobileNet, InceptionV3
-
Abstract:
Worldwide, large numbers of infants die of pneumonia each year. It is reported that approximately more than 1 million cases of pneumonia in infants occur between 0 and 5 years of age, of which 920 136 died in 2015. Therefore, pneumonia is one of the leading causes of death among infants, with a high level of mortality in Asia and Africa. Even in a developed country like the United States, pneumonia is among the top 10 causes of death. Early detection and treatment of pneumonia can significantly reduce mortality rates among infants in emerging countries. Therefore, this work presents deep learning algorithms to detect pneumonia using radiographic images. Three deep learning algorithms were trained to classify X-ray images into two classes: pneumonia and normal. Three algorithms are presented, to each one a 4x4 pooling layer was added, the data is vectorized with the flatten technique, six dense layers of 1024, 512, 256, 128, 64 and 32 of output value were added and each one with relu activation; A BatchNormalization is applied, finally a dense layer of 2 is added with a softmax activation for classification. The three algorithms are previously trained models, which are Xception, MobileNet and InceptionV3 obtained in the accuracy metric 94.4%, 96.2% and 95.3% respectively.
-
Número de páginas: 14
- Alex Peter Zúñiga Incalla
- Juan Carlos Clares Perca
- Diego Ismael Mamani Padilla
- Juan Carlos Valero Gomez
