Resumen

El mundo está viviendo una crisis sin precedentes debido al brote de la enfermedad por coronavirus (COVID-19) que ha afectado a casi 216 países y territorios de todo el planeta. Desde el brote pandémico, existe un interés creciente por las tecnologías de diagnóstico basadas en modelos computacionales para apoyar la detección y el diagnóstico de los casos de COVID-19 utilizando imágenes médicas como las radiografías de tórax (CXR). En los estudios iniciales se ha descubierto que los pacientes infectados por COVID-19 muestran anomalías en sus imágenes de RXC que representan patrones radiológicos específicos. Aún así, la detección de estos patrones es un reto y requiere mucho tiempo incluso para radiólogos expertos. En este estudio, proponemos un nuevo marco de fusión de aprendizaje profundo basado en redes neuronales convolucionales (CNN) que utiliza el concepto de aprendizaje por transferencia, en el que los parámetros (pesos) de diferentes modelos se combinan en un único modelo para extraer características de las imágenes que luego se introducen en un clasificador personalizado para la predicción. Utilizamos un mapeo de activación de clase ponderado por gradiente para visualizar las áreas infectadas de las imágenes CXR. Además, proporcionamos una representación de las características mediante visualización para obtener una comprensión más profunda de la separabilidad de clases de los modelos estudiados con respecto a la detección de COVID-19. Los estudios de validación cruzada se utilizan para evaluar el rendimiento de los modelos propuestos utilizando conjuntos de datos de libre acceso que contienen imágenes CXR sanas y tanto de COVID-19 como de otras neumonías infectadas. Los resultados de la evaluación muestran que el modelo de fusión con mejor rendimiento puede alcanzar una precisión de clasificación del 95,49% con un alto nivel de sensibilidad y especificidad.

• 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:Imágenes CXR, COVID-19, marco de fusión de aprendizaje profundo, novedosa red neuronal convolucional, mapeo de activación de clases, patrones radiológicos específicos, concepto de aprendizaje de transferencia, modelos, casos de COVID-19, detección de COVID-19.
• Keywords:CXR images, COVID-19, deep learning fusion framework, novel convolutional neural network-, class activation mapping, specific radiological patterns, transfer learning concept, models, COVID-19 cases, COVID-19 detection