Resumen

La neumona es una infeccin frecuente que inflama los alvolos pulmonares y provoca sntomas como dificultad respiratoria y fiebre. Aunque la neumona no es difcil de tratar, su diagnstico precoz es crucial. Sin el tratamiento adecuado, la neumona puede ser mortal, sobre todo en nios y ancianos. La radiografa de trax es una forma asequible de diagnosticar la neumona. La investigacin de un modelo algortmico que pueda clasificar de forma fiable e inteligente la neumona a partir de las radiografas de trax podra reducir en gran medida la carga de trabajo de los mdicos. Las ventajas y desventajas de cada uno de los cuatro modelos de redes neuronales convolucionales VGG16, ResNet50, DenseNet201 y algoritmo DWA se analizan y se dan comparando e investigando cada modelo. Los modelos de red VGG16, ResNet50 y DenseNet201 se comparan con el modelo DWA. Al entrenar la convolucin separable en profundidad con la red neuronal de atencin (DWA), la precisin del entrenamiento alcanza el 97,5%. La precisin de validacin fue del 79% debido a la tendencia de los modelos a sobreajustarse, y el conjunto de datos de prueba tena 1175 imgenes de rayos X con una precisin de prueba del 96,1%. Los resultados experimentales ilustran la eficacia del mecanismo de atencin y la fiabilidad del algoritmo de red neuronal convolucional profundamente separable. La aplicacin exitosa del algoritmo de aprendizaje profundo propuesto en este artculo en el reconocimiento de la neumona proporcionar una solucin objetiva, precisa y rpida para los mdicos y puede proporcionar un sistema de diagnstico de neumona rpido y preciso para los mdicos.

• Materias:Algebra Algoritmos (Matemáticas) Ingeniería Lógica matemática Matemáticas
• Subjects:Algebra Agorithms (Math) Engineering Mathematical logic mathematics
• Palabras claves:Neumonía; Diagnóstico; Radiografías de tórax; Redes neuronales convolucionales; Algoritmo DWA; Aprendizaje profundo.
• Keywords:Pneumonia; Diagnosis; Chest x-rays; Convolutional neural networks; DWA algorithm; Deep learning