Resumen

El mundo se enfrenta a la pandemia de COVID-19 desde diciembre de 2019. El diagnóstico oportuno y eficiente de los pacientes sospechosos de COVID-19 desempeña un papel importante en el tratamiento médico. El diagnóstico automatizado de COVID-19 basado en el aprendizaje profundo de transferencia en la radiografía de tórax es necesario para contrarrestar el brote de COVID-19. Este trabajo propone un marco de Internet de las Cosas (IoT) en tiempo real para el diagnóstico precoz de pacientes sospechosos de COVID-19 mediante el uso de aprendizaje de transferencia profunda conjunto. El marco propuesto ofrece comunicación y diagnóstico en tiempo real de casos sospechosos de COVID-19. El marco de IoT propuesto ensambla cuatro modelos de aprendizaje profundo, como InceptionResNetV2, ResNet152V2, VGG16 y DenseNet201. Los sensores médicos se utilizan para obtener las modalidades de radiografía de tórax y diagnosticar la infección utilizando el modelo de conjunto profundo almacenado en el servidor en la nube. El modelo ensemble profundo propuesto se compara con seis conocidos modelos de aprendizaje por transferencia sobre el conjunto de datos de radiografías de tórax. El análisis comparativo reveló que el modelo propuesto puede ayudar a los radiólogos a diagnosticar de forma eficiente y oportuna a los pacientes sospechosos de COVID-19.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:modelo de conjunto profundo, aprendizaje profundo de transferencia, X torácica, COVID-19, marco, modelos de aprendizaje profundo, modelos de aprendizaje de transferencia, pacientes, diagnóstico de COVID-19, brote de COVID-19
• Keywords:deep ensemble model, deep transfer learning, chest X, COVID-19, framework, deep learning models, transfer learning models, patients, COVID-19 diagnosis, COVID-19 outbreak