Diseño de arquitectura de red neuronal convolucional para el diagnóstico del COVID19 mediante imágenes de rayos X

• Autor: Galvez Siuce, Jose Rafael
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Continental
• Repositorio: CONTINENTAL-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.continental.edu.pe:20.500.12394/14040
• Enlace del recurso: https://hdl.handle.net/20.500.12394/14040
• Nivel de acceso: acceso abierto
• Materia: Infecciones por Coronavirus; Diagnóstico por imágenes; Rayos X; Neuroanatomía; https://purl.org/pe-repo/ocde/ford#2.02.01

El COVID-19 fue una de las pandemias más mortales y la enfermedad que más rápido se propagó, debido a su alta transmisibilidad. La posibilidad de un diagnóstico erróneo causó varias consecuencias negativas al paciente infectado por COVID-19. Para abordar este problema, la tesis tiene como objetivo diseñar una arquitectura de red neuronal convolucional para el diagnóstico de COVID-19 mediante imágenes de rayos x. El método de desarrollo para la arquitectura es SEMMA; esto ayuda controlar mejor las etapas que se desarrollan. Asimismo, se realizó las pruebas con 753 imágenes rayos x para evaluar el rendimiento de la arquitectura entrenado usando varios parámetros de evaluación. Los resultados muestran que la arquitectura logra la mejor precisión de 90 %, exactitud del 91 % y sensibilidad del 93 %. En general, el modelo realiza un buen desempeño para detectar COVID-19.