Resumen

COVID-19 es una nueva enfermedad, causada por el nuevo coronavirus SARS-CoV-2, que se deline por primera vez en humanos en 2019. Los coronavirus causan una serie de enfermedades en los pacientes que van desde el resfriado comn hasta sndromes respiratorios avanzados como el sndrome respiratorio agudo severo (SARS-CoV) y el sndrome respiratorio de Oriente Medio (MERS-CoV). El brote de SARS-CoV-2 ha dado lugar a una pandemia mundial, y su transmisin est aumentando a gran velocidad. Las pruebas y los mtodos de diagnstico constituyen una valiosa herramienta para los mdicos y les ayudan en el proceso de deteccin. La identificacin automtica de COVID-19 en imgenes de rayos X de trax puede ser til para comprobar la infeccin por COVID-19 a una buena velocidad. Por lo tanto, en este trabajo, se disea un marco mediante el uso de redes neuronales convolucionales (CNN) para diagnosticar pacientes con COVID-19 utilizando imgenes de rayos X de trax. Se utiliza una GoogLeNet preentrenada para implementar el aprendizaje por transferencia (es decir, sustituyendo algunos conjuntos de capas finales de la red CNN). La validacin cruzada de 20 veces se considera para superar el dilema del sobreajuste. Por ltimo, se considera el algoritmo gentico multiobjetivo para ajustar los hiperparmetros de la identificacin COVID-19 propuesta en imgenes de rayos X de trax. Extensos experimentos muestran que el modelo de identificacin COVID-19 propuesto obtiene resultados notablemente mejores y puede ser utilizado para pruebas de pacientes en tiempo real.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Enfermedad; Coronavirus; COVID-19; Pandemia; Diagnóstico; Radiografía de tórax
• Keywords:Disease; Coronavirus; COVID-19; Pandemic; Diagnosis; Chest X-ray