Clasificación de imágenes de neumonía a causa de covid-19 utilizando Transfer-Learning basado en Redes Convolucionales

La inteligencia artificial ha ayudado a lidiar con diferentes problemas relacionados con los datos masivos y a su vez con el tratamiento, diagnóstico y detección de enfermedades como la que actualmente nos preocupa, la covid-19.

El objetivo de esta investigación ha sido analizar y desarrollar la clasificación de imágenes de neumonía a causa de covid-19 para un diagnóstico efectivo y óptimo. Se ha utilizado Transfer-Learning aplicando ResNet, DenseNet, Poling y Dense layer para la elaboración de los modelos de red propios Covid-UPeU y Covid-UPeU-TL, utilizando las plataformas Kaggle y Google colab, donde se realizaron 4 experimentos.

El resultado con una mejor clasificación de imágenes se obtuvo en el experimento 4 prueba N°2 con el modelo Covid-UPeU-TL donde Acc.Train: 0.9664 y Acc.Test: 0.9851. Los modelos implementados han sido desarrollados con el propósito de tener una visión holística de los factores para la optimización en la clasificación de imágenes de neumonía a causa de covid-19.

Vea el texto completo en:

Preciado-Rodriguez A, Flores-Guillén F, Soraluz-Soraluz A, Rios-Jara J. Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales. Revista Cubana de Informática Médica [Internet]. 2022; 14 (1)