Resumen

El nuevo coronavirus, COVID-19, ha afectado a personas de todo el mundo. Los coronavirus son un gran grupo de virus que pueden infectar a los animales y a las personas y causar molestias respiratorias; estas molestias pueden ser tan leves como un resfriado o tan graves como una neumonía. Una correcta detección de esta enfermedad puede ayudar a evitar su creciente propagación. En este trabajo se propone un nuevo enfoque basado en CAD para el diagnóstico óptimo de esta enfermedad a partir de imágenes de rayos X de tórax. El método propuesto comienza con una normalización mínimo-máxima para escalar todos los datos a una escala normal y, a continuación, se realiza una ecualización del histograma para mejorar la calidad de la imagen antes del procesamiento principal. A continuación, se extraen 18 características diferentes de la imagen. Para disminuir la dificultad del método, se seleccionan las características mínimas basándose en una metaheurística llamada algoritmo de optimización de Arquímedes (AOA). A continuación, el modelo se implementa en tres conjuntos de datos y sus resultados se comparan con otros cuatro métodos del estado de la técnica. Los resultados finales indican que el método propuesto, con un 86 y 96% de precisión tiene el mayor equilibrio entre exactitud y fiabilidad con los métodos comparados como sistema de diagnóstico para 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:métodos propuestos, metaheurística llamada arquímedes, llamada optimización de arquímedes, algoritmo de optimización de arquímedes, grupo de virus, métodos de arte, imagen, nuevo cad, gran grupo, ecualización de histograma
• Keywords:proposed methods, metaheuristic called archimedes, called archimedes optimization, archimedes optimization algorithm, group of virus, art methods, image, new cad, large group, histogram equalization