Resumen

La Organización Mundial de la Salud (OMS) reconoció el COVID-19 como la causa de una pandemia mundial en 2019. El COVID-19 está causado por el SARS-CoV-2, que se identificó en China a finales de diciembre de 2019 y, de hecho, se denomina coronavirus-2 del síndrome respiratorio agudo severo. Todo el planeta se vio afectado en pocos meses. Como millones de individuos en todo el mundo están infectados con COVID-19, se ha convertido en una preocupación sanitaria mundial. La enfermedad suele ser contagiosa, y los infectados pueden transmitirla rápidamente a otras personas con las que entren en contacto. Por ello, la vigilancia es una forma eficaz de impedir que el virus siga propagándose. Otra enfermedad causada por un virus similar al COVID-19 es la neumonía. La gravedad de la neumonía puede variar de leve a potencialmente mortal. Es especialmente peligrosa para los niños, las personas mayores de 65 años y las personas con problemas de salud o con el sistema inmunitario afectado. En este trabajo, hemos clasificado el COVID-19 y la neumonía utilizando el aprendizaje profundo por transferencia. Dado que se ha investigado mucho sobre este tema, el método desarrollado se centra en potenciar la precisión y emplea una técnica de aprendizaje de transferencia, así como un modelo hecho a medida. Se utilizaron diferentes modelos preentrenados de redes neuronales convolucionales profundas (CNN) para extraer características profundas. La precisión de la clasificación se utilizó para medir en gran medida el rendimiento. Según las conclusiones de este estudio, el aprendizaje profundo por transferencia puede detectar COVID-19 y neumonía a partir de imágenes de RXC. Los modelos personalizados preentrenados como MobileNetV2 tuvieron una precisión del 98 exactitud, InceptionV3 tuvo una exactitud del 96,92 precisión, EffNet threshold tuvo una precisión del 94,95 y VGG19 tuvo una precisión del 92,82 precisión. MobileNetV2 tiene la mayor precisión de todos estos modelos.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:COVID-19, aprendizaje profundo de transferencia, precisión, neumonía, modelos, red neuronal convolucional profunda, síndrome respiratorio agudo grave por coronavirus-2, Organización Mundial de la Salud, preocupación sanitaria mundial, técnica de aprendizaje de transferencia.
• Keywords:COVID-19, deep transfer learning, accuracy, pneumonia, models, deep convolutional neural network, severe acute respiratory syndrome coronavirus-2, World Health Organization, global health concern, transfer learning technique