Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture

Descripción del Articulo

La tuberculosis es una enfermedad antigua y que actualmente sigue afectando a nivel mundial. Es la segunda enfermedad infecciosa más mortífera del mundo superada únicamente por la Covid, según la Organización Mundial de la Salud. Debido a esto, se propone un enfoque para la detección tuberculosis a...

Descripción completa

Detalles Bibliográficos
Autores: Carhuamaca Puente, Albert, Santos Rojas, Daniel
Formato: artículo
Fecha de Publicación:2025
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:Revistas - Universidad Nacional Mayor de San Marcos
Lenguaje:español
OAI Identifier:oai:revistasinvestigacion.unmsm.edu.pe:article/31011
Enlace del recurso:https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/31011
Nivel de acceso:acceso abierto
Materia:Tuberculosis
CNN
Mobilenet
Resnet-50
id REVUNMSM_fecef9cc9741619022a5b1b638fde9ca
oai_identifier_str oai:revistasinvestigacion.unmsm.edu.pe:article/31011
network_acronym_str REVUNMSM
network_name_str Revistas - Universidad Nacional Mayor de San Marcos
repository_id_str
spelling Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined ArchitectureModelo para la Detección de Tuberculosis Basado en Imágenes de Radiografías Aplicando Mobilenet y Resnet-50 y CNN sin Arquitectura PredefinidaCarhuamaca Puente, AlbertSantos Rojas, DanielCarhuamaca Puente, AlbertSantos Rojas, DanielTuberculosisCNNMobilenetResnet-50TuberculosisCNNMobilenetResnet-50La tuberculosis es una enfermedad antigua y que actualmente sigue afectando a nivel mundial. Es la segunda enfermedad infecciosa más mortífera del mundo superada únicamente por la Covid, según la Organización Mundial de la Salud. Debido a esto, se propone un enfoque para la detección tuberculosis a través de imágenes de radiografías de tórax, aplicando dos modelos de Deep learning más utilizadas en la literatura: “Mobilenet” y “Resnet-50” y una “CNN sin arquitectura predefinida”. El enfoque se desarrolla en 4 fases: (1) Adquisición del dataset, (2) desarrollo de los modelos mencionados, (3) la evaluación del desempeño y (4) análisis de resultados. El dataset está conformado por 1,158 imágenes de radiografías de tórax clasificadas en dos clases: “Normal” y “Tuberculosis”. Los resultados evidenciaron que el modelo “Resnet-50” tuvo un mejor rendimiento en comparación de los otros modelos, obteniendo una precisión de 97% y 89% en la detección de las clases “Tuberculosis” y “normal” respectivamente.Tuberculosis is an ancient disease that continues to affect the world today. It is the second deadliest infectious disease in the world surpassed only by Covid, according to the World Health Organization. Because of this, an approach for tuberculosis detection through chest X-ray images is proposed, applying two Deep learning models most used in the literature: “Mobilenet” and “Resnet-50” and a “CNN without predefined architecture”. The approach is developed in four phases: (1) acquisition of the dataset, (2) development of the mentioned models, (3) performance evaluation and (4) analysis of results. The dataset consists of 1,158 images of chest radiographs classified into two classes: “Normal” and “Tuberculosis”. The results showed that the “Resnet-50” model performed better than the other models, obtaining an precision of 97% and 89% in the detection of the ‘Tuberculosis’ and “normal” classes, respectively.Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática2025-06-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/3101110.15381/rpcs.v7i1.31011Revista Peruana de Computación y Sistemas; Vol. 7 No. 1 (2025); 3-9Revista peruana de computación y sistemas; Vol. 7 Núm. 1 (2025); 3-92617-2003reponame:Revistas - Universidad Nacional Mayor de San Marcosinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMspahttps://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/31011/22541Derechos de autor 2025 Albert Carhuamaca Puente, Daniel Santos Rojashttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:revistasinvestigacion.unmsm.edu.pe:article/310112025-07-17T16:31:35Z
dc.title.none.fl_str_mv Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
Modelo para la Detección de Tuberculosis Basado en Imágenes de Radiografías Aplicando Mobilenet y Resnet-50 y CNN sin Arquitectura Predefinida
title Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
spellingShingle Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
Carhuamaca Puente, Albert
Tuberculosis
CNN
Mobilenet
Resnet-50
Tuberculosis
CNN
Mobilenet
Resnet-50
title_short Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
title_full Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
title_fullStr Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
title_full_unstemmed Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
title_sort Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
dc.creator.none.fl_str_mv Carhuamaca Puente, Albert
Santos Rojas, Daniel
Carhuamaca Puente, Albert
Santos Rojas, Daniel
author Carhuamaca Puente, Albert
author_facet Carhuamaca Puente, Albert
Santos Rojas, Daniel
author_role author
author2 Santos Rojas, Daniel
author2_role author
dc.subject.none.fl_str_mv Tuberculosis
CNN
Mobilenet
Resnet-50
Tuberculosis
CNN
Mobilenet
Resnet-50
topic Tuberculosis
CNN
Mobilenet
Resnet-50
Tuberculosis
CNN
Mobilenet
Resnet-50
description La tuberculosis es una enfermedad antigua y que actualmente sigue afectando a nivel mundial. Es la segunda enfermedad infecciosa más mortífera del mundo superada únicamente por la Covid, según la Organización Mundial de la Salud. Debido a esto, se propone un enfoque para la detección tuberculosis a través de imágenes de radiografías de tórax, aplicando dos modelos de Deep learning más utilizadas en la literatura: “Mobilenet” y “Resnet-50” y una “CNN sin arquitectura predefinida”. El enfoque se desarrolla en 4 fases: (1) Adquisición del dataset, (2) desarrollo de los modelos mencionados, (3) la evaluación del desempeño y (4) análisis de resultados. El dataset está conformado por 1,158 imágenes de radiografías de tórax clasificadas en dos clases: “Normal” y “Tuberculosis”. Los resultados evidenciaron que el modelo “Resnet-50” tuvo un mejor rendimiento en comparación de los otros modelos, obteniendo una precisión de 97% y 89% en la detección de las clases “Tuberculosis” y “normal” respectivamente.
publishDate 2025
dc.date.none.fl_str_mv 2025-06-30
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/31011
10.15381/rpcs.v7i1.31011
url https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/31011
identifier_str_mv 10.15381/rpcs.v7i1.31011
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/31011/22541
dc.rights.none.fl_str_mv Derechos de autor 2025 Albert Carhuamaca Puente, Daniel Santos Rojas
https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Derechos de autor 2025 Albert Carhuamaca Puente, Daniel Santos Rojas
https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática
dc.source.none.fl_str_mv Revista Peruana de Computación y Sistemas; Vol. 7 No. 1 (2025); 3-9
Revista peruana de computación y sistemas; Vol. 7 Núm. 1 (2025); 3-9
2617-2003
reponame:Revistas - Universidad Nacional Mayor de San Marcos
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str Revistas - Universidad Nacional Mayor de San Marcos
collection Revistas - Universidad Nacional Mayor de San Marcos
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1848424486254149632
score 13.869818
Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares