Resumen

El SARS-CoV-2 es un tipo específico de Coronavirus que se notificó por primera vez en China en diciembre de 2019 y es el agente causante de la enfermedad por coronavirus 2019 (COVID-19). En marzo de 2020, esta enfermedad se extendió a diferentes partes del mundo causando una pandemia global. Aunque esta enfermedad sigue aumentando exponencialmente día a día, el diagnóstico precoz de esta enfermedad es muy importante para reducir la tasa de mortalidad y para reducir la prevalencia de esta pandemia. Dado que a veces los médicos cometen errores humanos en el diagnóstico de esta enfermedad, el uso de sistemas de diagnóstico asistidos por ordenador puede ser útil para obtener resultados más precisos. En este trabajo, se han examinado imágenes de rayos X de tórax utilizando un nuevo sistema basado en visión artificial para proporcionar resultados más precisos. En el método propuesto, después de preprocesar las imágenes de rayos X de entrada, se ha segmentado la región de interés. A continuación, se han extraído de las imágenes procesadas las características combinadas de la matriz de coocurrencia de nivel de gris (GLCM) y de la transformada wavelet discreta (DWT). Por último, se emplea una versión mejorada de la red neuronal convolucional (CNN) basada en el algoritmo de optimización Red Fox para la clasificación de las imágenes en función de las características. El método propuesto se valida mediante la realización de tres conjuntos de datos y sus resultados se comparan con algunos métodos del estado de la técnica. Los resultados finales muestran que el método sugerido tiene una eficiencia adecuada frente a los demás para el diagnóstico de COVID-19.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:imagen de rayos, resultados precisos, métodos propuestos, enfermedad, optimización del zorro rojo, algoritmo de optimización del zorro, diagnóstico del covid-19, matriz de coocurrencia de niveles, red neuronal convolucional, agente del coronavirus
• Keywords:ray image, accurate results, proposed methods, disease, red fox optimization, fox optimization algorithm, diagnosis of covid-19, level cooccurrence matrix, convolutional neural network, agent of coronavirus