Aplicação da rede neural convolucional para determinar e classificar em imagens de raio-X de tórax a presença ou não do vírus da COVID-19

Abstract

Imagens radiográficas, como a radiografia de tórax, são ferramentas utilizadas no processo de diagnóstico de doenças, incluindo pneumonias causadas por infecções virais. Por meio de modelos baseados em inteligência artificial, é possível desenvolver ferramentas computacionais que permitam o processo de classificação de imagens a partir de uma série de características. Com base nisso, a presente pesquisa propõe um algoritmo estruturado na forma de rede neural convolucional para codificar e treinar a classificação de imagens de raios X de tórax com vírus COVID-19 e normais. Os resultados foram obtidos usando dois modelos. O primeiro modelo usou o ResNet50 com uma precisão de 99% para imagens com COVID-19 e 92% para imagens normais. O segundo modelo usou o processamento de imagens e obteve uma precisão de 96% para imagens com COVID-19 e 92% para imagens normais.