Apoyo Al Proceso De Diagnóstico De Neumonía Asociada Al Covid-19 Utilizando Modelos De Redes Neuronales Convolucionales, Con Keras Y Tensorflow
Pedro Freddy Huamaní Navarrete (Universidad Ricardo Palma, PE)
| ||
Apoyo Al Proceso De Diagnóstico De Neumonía Asociada Al Covid-19 Utilizando Modelos De Redes Neuronales Convolucionales, Con Keras Y Tensorflow | ||
| Published in: | Prospective and trends in technology and skills for sustainable social development. Leveraging emerging technologies to construct the future: Proceedings of the 19th LACCEI International Multi-Conference for Engineering, Education and Technology | |
| Date of Conference: | July 19-23, 2021 | |
| Location of Conference: | Virtual | |
| Authors: | Jhan Carlos Caya Pérez (Universidad Ricardo Palma, PE) Pedro Freddy Huamaní Navarrete (Universidad Ricardo Palma, PE) | |
| Full Paper: | #566 | |
Abstract:El propósito de este artículo fue evaluar el desempeño de tres modelos de Redes Neuronales Convolucionales para apoyar al proceso de diagnóstico de neumonía asociada al COVID-19, para reducir el tiempo que toma la labor de detección de la enfermedad en radiografías de tórax. Los modelos utilizados fueron: ResNet50, InceptionV3 y un modelo particular; para la implementación de los modelos ResNet50 e InceptionV3 se requirió aplicar transfer learning, y data augmentation para los tres modelos. Asimismo, la implementación se realizó utilizando en Keras y Tensorflow. Y, para el entrenamiento y validación de los tres modelos, se empleó un dataset compuesto por casos positivos (COVID-19) y casos negativos (NO COVID-19). Finalmente, se determinó que el modelo más efectivo fue el InceptionV3 con un accuracy de 0.9886, cuando se entrenó con Data Augmentation y 0.9848 sin la aplicación de Data Augmentation. | ||