Análise comparativa entre redes neurais convolucionais para classificação de pacientes com Covid-19 / Comparative analysis between convolutional neural networks for classification of patients with Covid-19

• Autor(a) principal: de Mesquita, Iago Magalhães
• Data de Publicação: 2022
• Outros Autores: Carneiro, Francislane Teles, Parente, Açucena de Gois, Aragão, Francisco Aldinei Pereira, Ribeiro, Fabiano Carneiro, Albuquerque, Leonardo Tabosa
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Brazilian Journal of Health Review
• Texto Completo: https://ojs.brazilianjournals.com.br/ojs/index.php/BJHR/article/view/45553
• topic: cnn; raio-x; covid-19.

Diante da pandemia do COVID-19, percebemos a necessidade de associar a tecnologia para otimizar a identificação dessa doença. No contexto do elevado número de testes e, além disso, resultados falsos, surgiu um novo método de diagnóstico eficiente para aliviar a propagação desse vírus. A presente pesquisa usa uma ferramenta de teste alternativo com raio-x de tórax dos pacientes como identificador. Assim, esse sistema pode auxiliar o médico a examinar imagens pulmonares, reduzir o tempo para análise e aumentar a precisão do diagnóstico. Este artigo tem como objetivo desenvolver um modelo de aprendizado profundo utilizando Redes Neurais Convolucionais(CNN), chamado CNN-IF, e analisar o seu desempenho com outros modelos já existentes. Além de analisar a presença do diafragma nas imagens utilizadas para treino. Diante dos resultados obtidos, a pesquisa se mostrou promissora para o auxílio no diagnóstico de pacientes com COVID-19, classificando em pacientes saudáveis ou com COVID-19. Com isso foi possível chegar à acurácia de 98,5%, precisão de 96,6% e sensibilidade de 97,7%.