IMPLEMENTAÇÃO DE REDE NEURAL CONVOLUCIONAL PARA PREDIÇÃO DE COVID-19 ATRAVÉS DE IMAGENS DE RAIO X
A COVID-19 e´ uma das grandes ameac¸as do se´culo, desta forma, tornou-se uma necessidade prevenir a propagac¸a˜o do v´ırus para diminuir a carga nos leitos de UTI. Desta maneira, torna-se relevante o desenvolvimento de ferramentas para aux´ılio ao diagno´stico de casos positivos da doenc¸a. Neste contexto, este trabalho tem como objetivo o estudo, implementac¸a˜o e ajuste de uma Rede Neural Convolucional para classificac¸a˜o de pacientes com a doenc¸a. O modelo implementado foi incialmente aplicado ao banco de dados MNIST com o propo´sito de ajustar e validar a arquitetura da rede, em seguida, foi ajustado e aplicado a uma base de dados composta por imagens de radiografia da regia˜o tora´xica de pacientes sauda´veis e com COVID-19. Os experimentos realizados mostraram que a abordagem proposta obteve desempenho superior a alguns me´todos do estado da arte, classificando corretamente mais de 97% dos pacientes com COVID-19. Os resultados demonstram que a abordagem proposta gera boa separabilidade entre classes, podendo ser usado como ferramenta de aux´ılio ao diagno´stico.
IMPLEMENTAÇÃO DE REDE NEURAL CONVOLUCIONAL PARA PREDIÇÃO DE COVID-19 ATRAVÉS DE IMAGENS DE RAIO X
-
DOI: 10.22533/at.ed.4482216033
-
Palavras-chave: Redes Neurais Convolucionais, Reconheci- mento de Padro˜es, COVID-19, Imagens de raio X.
-
Keywords: Convolutional Neural Networks, Pattern Recognition, COVID-19, X-Ray Images.
-
Abstract:
COVID-19 is one of the greatest threats of the century, thus, it has become a necessity to prevent the spread of the virus to reduce the load on ICU beds. In this way, the development of tools to aid in the diagnosis of positive cases of the disease becomes relevant. In this context, this work aims to study, implement and adjust a Convolutional Neural Network for classifying patients with the disease. The implemented model was initially applied to the MNIST database with the purpose of adjusting and validating the network architecture, then it was adjusted and applied to a database composed of radiography images of the thoracic region of healthy patients with COVID-19. The experiments carried out showed that the proposed approach performed better than some state-of-the-art methods, correctly classifying more than 97% of patients with COVID-19. The results demonstrate that the proposed approach generates good separability between classes, and can be used as a diagnostic aid tool.
-
Número de páginas: 8
- Honovan Paz Rocha
- Erik Gabriel Cruz Sena
