Investigación Científica Aplicada
Clasificación automatizada de COVID-19, neumonía y patrones normales en radiografías de tórax mediante redes neuronales convolucionales
Este estudio desarrolla modelos automatizados para clasificar COVID-19, neumonía y patrones normales en radiografías de tórax (CXR). Usamos aprendizaje profundo (InceptionV3, ResNet152V2) con transferencia de aprendizaje y un SVM clásico para comparación. Un gran conjunto de datos CXR público fue preprocesado y particionado. Los modelos de aprendizaje profundo demostraron una capacidad superior para diferenciar estados pulmonares. Esta investigación ofrece un gran potencial para mejorar el diagnóstico clínico, el manejo de pacientes y reducir la carga de trabajo de los radiólogos en crisis de salud.
Descripcion completa
Este estudio desarrolla modelos automatizados para clasificar COVID-19, neumonía y patrones normales en radiografías de tórax (CXR). Usamos aprendizaje profundo (InceptionV3, ResNet152V2) con transferencia de aprendizaje y un SVM clásico para comparación. Un gran conjunto de datos CXR público fue preprocesado y particionado. Los modelos de aprendizaje profundo demostraron una capacidad superior para diferenciar estados pulmonares. Esta investigación ofrece un gran potencial para mejorar el diagnóstico clínico, el manejo de pacientes y reducir la carga de trabajo de los radiólogos en crisis de salud.
Relacionados
Proyectos que podrian interesarte
HEROW
MODIFICACIÓN SUPERFICIAL DE PELÍCULAS DE PLA MEDIANTE EL INJERTO DE GRUPOS COOH/NH2 Y SU EFECTO EN LA ADHESIÓN CELULAR
PERCEPCIÓN Y EFECTIVIDAD DEL USO DE MÓDULOS FOTOVOLTAICOS EN HOGARES DE VALLADOLID, YUCATÁN:ESTUDIO PILOTO.
Efectividad de energías renovables (solar y eólica) en hogares de la Ciudad de Mérida, Yucatán, México.
