Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales
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 clasifi...
Guardado en:
| Autores principales: | , , , |
|---|---|
| Formato: | Artículo |
| Lenguaje: | español |
| Publicado: |
2022
|
| Materias: | |
| Acceso en línea: | Descargar el archivo Ver en el sistema de origen |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881700449725186048 |
|---|---|
| author | Adiel Joshua Preciado Rodriguez Flor Mayerli Flores Guillén Aldo Emanuel Soraluz Soraluz Jonathan Gerhard Rios Jara |
| author_browse | Adiel Joshua Preciado Rodriguez Aldo Emanuel Soraluz Soraluz Flor Mayerli Flores Guillén Jonathan Gerhard Rios Jara |
| author_facet | Adiel Joshua Preciado Rodriguez Flor Mayerli Flores Guillén Aldo Emanuel Soraluz Soraluz Jonathan Gerhard Rios Jara |
| author_sort | Adiel Joshua Preciado Rodriguez |
| collection | Producción científica |
| description | 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. Abstract Artificial Intelligence has helped to deal with different problems related to massive data in turn to the treatment, diagnosis and detection of diseases such as the one that currently has us in concern, Covid-19. The objective of this research has been to analyze and develop the classification of images of pneumonia due to covid-19 for an effective and optimal diagnosis. Transfer-Learning has been used applying ResNet, DenseNet, Poling and Dense layer for the elaboration of the own network models Covid-Upeu and Covid-UpeU-TL, using Kaggle and Google colab platforms, where 4 experiments have been carried out. The result with a better classification of images was obtained in experiment 4 test N ° 2 with the Covid-UPeU-TL model where Acc.Train: 0.9664 and Acc.Test: 0.9851. The implemented models have been developed with the purpose of having a holistic view of the factors for optimization in the classification of pneumonia COVID-19 images. Keywords: COVID-19; Transfer-Learnig; Recognition; Artificial intelligence; Pandemic; X-rays; Image classification; Lungs; convolutional networks. |
| format | Article |
| id | openalex:W4221143300 |
| institution | UPeU |
| language | Spanish |
| publishDate | 2022 |
| publishDateRange | 2022 |
| publishDateSort | 2022 |
| record_format | dspace |
| spelling | openalex:W4221143300Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes ConvolucionalesAdiel Joshua Preciado RodriguezFlor Mayerli Flores GuillénAldo Emanuel Soraluz SoraluzJonathan Gerhard Rios JaraCOVID-19 pneumoniachest X-ray classificationtransfer learningconvolutional neural networksResNetDenseNetpneumonia diagnosismedical image recognitionCOVID-19 pandemic responseCOVID-19 diagnosis using AIArtificial Intelligence in Healthcare and EducationAdvanced Neural Network ApplicationsLa 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. Abstract Artificial Intelligence has helped to deal with different problems related to massive data in turn to the treatment, diagnosis and detection of diseases such as the one that currently has us in concern, Covid-19. The objective of this research has been to analyze and develop the classification of images of pneumonia due to covid-19 for an effective and optimal diagnosis. Transfer-Learning has been used applying ResNet, DenseNet, Poling and Dense layer for the elaboration of the own network models Covid-Upeu and Covid-UpeU-TL, using Kaggle and Google colab platforms, where 4 experiments have been carried out. The result with a better classification of images was obtained in experiment 4 test N ° 2 with the Covid-UPeU-TL model where Acc.Train: 0.9664 and Acc.Test: 0.9851. The implemented models have been developed with the purpose of having a holistic view of the factors for optimization in the classification of pneumonia COVID-19 images. Keywords: COVID-19; Transfer-Learnig; Recognition; Artificial intelligence; Pandemic; X-rays; Image classification; Lungs; convolutional networks.Articlehttps://revinformatica.sld.cu/index.php/rcim/article/download/471/pdfhttps://revinformatica.sld.cu/index.php/rcim/article/view/471W4221143300esRevista Cubana de Informática Médica1684-18592022-02-01 |
| spellingShingle | COVID-19 pneumonia chest X-ray classification transfer learning convolutional neural networks ResNet DenseNet pneumonia diagnosis medical image recognition COVID-19 pandemic response COVID-19 diagnosis using AI Artificial Intelligence in Healthcare and Education Advanced Neural Network Applications Adiel Joshua Preciado Rodriguez Flor Mayerli Flores Guillén Aldo Emanuel Soraluz Soraluz Jonathan Gerhard Rios Jara Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales |
| title | Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales |
| title_full | Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales |
| title_fullStr | Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales |
| title_full_unstemmed | Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales |
| title_short | Clasificación de Imágenes de Neumonía a causa de Covid-19 utilizando Transfer-Learning basado en Redes Convolucionales |
| title_sort | clasificacion de imagenes de neumonia a causa de covid 19 utilizando transfer learning basado en redes convolucionales |
| topic | COVID-19 pneumonia chest X-ray classification transfer learning convolutional neural networks ResNet DenseNet pneumonia diagnosis medical image recognition COVID-19 pandemic response COVID-19 diagnosis using AI Artificial Intelligence in Healthcare and Education Advanced Neural Network Applications |
| topic_facet | COVID-19 pneumonia chest X-ray classification transfer learning convolutional neural networks ResNet DenseNet pneumonia diagnosis medical image recognition COVID-19 pandemic response COVID-19 diagnosis using AI Artificial Intelligence in Healthcare and Education Advanced Neural Network Applications |
| url | https://revinformatica.sld.cu/index.php/rcim/article/download/471/pdf https://revinformatica.sld.cu/index.php/rcim/article/view/471 |
| work_keys_str_mv | AT adieljoshuapreciadorodriguez clasificaciondeimagenesdeneumoniaacausadecovid19utilizandotransferlearningbasadoenredesconvolucionales AT flormayerlifloresguillen clasificaciondeimagenesdeneumoniaacausadecovid19utilizandotransferlearningbasadoenredesconvolucionales AT aldoemanuelsoraluzsoraluz clasificaciondeimagenesdeneumoniaacausadecovid19utilizandotransferlearningbasadoenredesconvolucionales AT jonathangerhardriosjara clasificaciondeimagenesdeneumoniaacausadecovid19utilizandotransferlearningbasadoenredesconvolucionales |