Resumen

El nuevo COVID-19 se está propagando rápidamente y ya ha cobrado la vida de numerosas personas. El virus es altamente destructivo para los pulmones humanos, y la detección temprana es crucial. Por lo tanto, este documento presenta un enfoque híbrido basado en redes neuronales convolucionales profundas que son herramientas muy efectivas para la clasificación de imágenes. Los vectores de características se extrajeron de las imágenes utilizando una red neuronal convolucional profunda, y se utilizó el algoritmo metaheurístico diferencial binario para seleccionar las características más valiosas. El clasificador SVM luego recibió estas características optimizadas. Para el estudio, se utilizó una base de datos que contenía imágenes de tres categorías, incluyendo COVID-19, neumonía y una categoría sana, que incluía 1092 muestras de rayos X. El método propuesto logró una precisión del 99.43%, una sensibilidad del 99.16% y una especificidad del 99.57%. Nuestros hallazgos indican que el método propuesto superó a los

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Covid-19; Redes neuronales convolucionales profundas; Clasificación de imágenes; Clasificador svm; Imágenes de rayos x; Detección
• Keywords:Covid-19; Deep convolutional neural networks; Image classification; Svm classifier; X-ray images; Detection