Resumen

PRECIADO RODRIGUEZ, Adiel Joshua; FLORES GUILLEN, Flor Mayerli; SORALUZ SORALUZ, Aldo Emanuel  y  RIOS JARA, Jonathan Gerhard. Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales. RCIM [online]. 2022, vol.14, n.1  Epub 01-Jun-2022. ISSN 1684-1859.

La Inteligencia Artificial ha ayudado a lidiar diferentes problemas relacionados con los datos masivos y a su vez con su 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 diagnostico efectivo y óptimo. Se ha usado 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.

Palabras clave : covid-19; transfer-learning; reconocimiento; inteligencia artificial; pandemia; rayos x; clasificación de imágenes; pulmones; redes convolucionales.

        · resumen en Inglés     · texto en Español     · Español ( pdf )