Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
El mundo se enfrenta a una pandemia debido a la enfermedad por coronavirus 2019 (COVID-19), denominada as por la Organizacin Mundial de la Salud. La COVID-19 est causada por el virus denominado coronavirus del sndrome respiratorio agudo severo 2 (SARS-CoV-2), que se descubri inicialmente a finales de diciembre de 2019 en Wuhan (China). Ms tarde, el virus se haba extendido por todo el mundo en pocos meses. El COVID-19 se ha convertido en una crisis sanitaria mundial porque millones de personas en todo el mundo estn afectadas por este virus mortal. Fiebre, tos seca y problemas gastrointestinales son los signos ms comunes del COVID-19. La enfermedad es muy contagiosa, y las personas afectadas pueden propagar fcilmente el virus a aquellas con las que mantienen un contacto estrecho. Por ello, el rastreo de contactos es una solucin adecuada para evitar la propagacin del virus. El mtodo para identificar a todas las personas con las que un paciente afectado por COVID-19 ha estado en contacto en las ltimas 2 semanas se denomina rastreo de contactos. Este estudio presenta una investigacin de una red neuronal convolucional (CNN), que hace que la prueba sea ms rpida y fiable, para detectar COVID-19 a partir de imgenes de radiografa de trax (CXR). Dado que existen muchos estudios en este campo, el modelo diseado se centra en aumentar el nivel de precisin y utiliza un enfoque de aprendizaje de transferencia y un modelo personalizado. Se han utilizado modelos CNN profundos preentrenados, como VGG16, InceptionV3, MobileNetV2 y ResNet50, para la extraccin de caractersticas profundas. La medicin del rendimiento en este estudio se bas en la precisin de la clasificacin. Los resultados de este estudio indican que el aprendizaje profundo puede reconocer el SARS-CoV-2 a partir de imgenes CXR. El modelo diseado proporcion una precisin del 93% y una precisin de validacin del 98%, y los modelos personalizados preentrenados como MobileNetV2 obtuvieron una precisin del 97%, InceptionV3 obtuvo un 98% y VGG16 obtuvo una precisin del 98%, respectivamente. Entre estos modelos, InceptionV3 ha registrado la mayor precisin.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Soluciones de ondas viajeras de la ecuación de Kadomtsev-Petviashvili no lineal de -dimensiones utilizando el método de expansión de dos variables.
Artículo:
Un Enfoque Variacional para Ecuaciones Anisotrópicas Discretas Perturbadas
Artículo:
Subclases de Funciones Analíticas Definidas por Funciones Hipergeométricas Generalizadas
Artículo:
Sobre secuencias de operadores de tipo J. P. King
Artículo:
Soluciones periódicas dobles para un sistema depredador-presa dependiente de la proporción con términos de cosecha en escalas de tiempo.
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Análisis socioeconómico de la problemática de los desechos plásticos en el mar
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
