Resumen

Dado que es fundamental detectar casos positivos de COVID-19 y tratar rápidamente a los pacientes afectados para mitigar el impacto del virus, las imágenes de rayos X han sido objeto de investigación en relación con COVID-19, junto con modelos de aprendizaje profundo, eliminando desventajas como la escasez de kits de prueba RT-PCR, sus elevados costes y la larga espera para obtener resultados. La contribución de este trabajo es presentar nuevos modelos para detectar COVID-19 y otros casos de neumonía utilizando imágenes de rayos X de tórax y redes neuronales convolucionales, proporcionando así diagnósticos precisos en escenarios de clasificación binaria y de 4 clases. Se mejoró la precisión de la clasificación y se evitó el sobreajuste siguiendo 2 acciones: (1) aumentando el tamaño del conjunto de datos mientras se equilibraban los escenarios de clasificación; y (2) añadiendo técnicas de regularización y realizando una optimización de hiperparámetros. Además, la capacidad y el tamaño de la red en los modelos se redujeron al máximo, haciendo de los modelos finales una opción perfecta para ser desplegados localmente en dispositivos con capacidades limitadas y sin necesidad de acceso a Internet. El impacto de los hiperparámetros clave se probó utilizando paquetes modernos de aprendizaje profundo. Los modelos finales obtuvieron una precisión de clasificación del 99,17 y 94,03% para los escenarios binario y categórico, respectivamente, logrando un rendimiento superior en comparación con otros estudios en la literatura, y requiriendo un número significativamente menor de parámetros. Los modelos también se pueden colocar en una plataforma digital para proporcionar diagnósticos instantáneos y superar la escasez de expertos y radiólogos.

INTRODUCCIÓN

El 31 de diciembre de 2019, la Organización Mundial de la Salud emitió una alerta sobre varios casos de una enfermedad respiratoria emergente en la ciudad de Wuhan, en la provincia china de Hubei, con manifestaciones clínicas similares a la neumonía viral y síntomas como tos, fiebre y disnea. Este virus recién descubierto se denominó COVID-19 y es causado por el virus SARS-CoV-2 ( Chung et al., 2020 ).

La mayoría de las personas infectadas con COVID-19 experimentan una enfermedad respiratoria de leve a moderada y pueden recuperarse sin requerir tratamiento especial. Las personas mayores y aquellas con problemas médicos subyacentes como enfermedades cardiovasculares, diabetes, enfermedades respiratorias crónicas y cáncer tienen más probabilidades de desarrollar complicaciones graves. Una manera eficiente de prevenir y reducir contagios es detectando rápidamente los casos positivos de COVID-19, aislando a los pacientes e iniciando su tratamiento lo antes posible. El COVID-19 se transmite principalmente a través de gotitas de saliva o secreción nasal cuando una persona infectada tose o estornuda.

• Materias:Red neuronal convolucional Rayos X Coronavirus Aprendizaje automático
• Subjects:Convolutional neural network X-ray Coronavirus Machine learning
• Palabras claves:Coronavirus (COVID-19); Redes neuronales convolucionales; Aprendizaje profundo; Rayos-X; Neumonía
• Keywords:Coronavirus (COVID-19); Convolutional Neural Networks; Deep Learning; X-rays; Pneumonia