Detección de COVID-19 en radiografías de tórax mediante aprendizaje profundo
La pandemia por la COVID-19 generó una gran cantidad de adelantos computacionales para el área médica, en especial en su modalidad a distancia. Por estas razones, los algoritmos computacionales han tenido una gran incidencia, en especial aquellos que pertenecen al área de inteligencia artificial (IA...
Saved in:
Published in | TIES, Revista de Tecnología e Innovación en Educación Superior no. 7; pp. 1 - 10 |
---|---|
Main Authors | , , , , |
Format | Journal Article |
Language | English |
Published |
01.03.2023
|
Online Access | Get full text |
Cover
Loading…
Summary: | La pandemia por la COVID-19 generó una gran cantidad de adelantos computacionales para el área médica, en especial en su modalidad a distancia. Por estas razones, los algoritmos computacionales han tenido una gran incidencia, en especial aquellos que pertenecen al área de inteligencia artificial (IA), siendo un ejemplo representativo las redes neuronales convolucionales (siglas en inglés CNN, Convolutional Neural Networks).
Este trabajo muestra el desarrollo de un sistema que apoya al diagnóstico de las enfermedades pulmonares generadas tanto por la COVID-19 como por la neumonía, mediante la implementación de una arquitectura de redes neuronales convolucionales aplicadas a imágenes de rayos X. El algoritmo que se presenta es capaz de distinguir si los pulmones se encuentran sanos o padecen alguna enfermedad como COVID-19 y neumonía. |
---|---|
ISSN: | 2683-2968 2683-2968 |
DOI: | 10.22201/dgtic.26832968e.2023.7.3 |