Apoyo al proceso de diagnóstico de neumonía asociada al COVID-19 utilizando modelos de Redes Neuronales Convolucionales, con Keras y Tensorflow
![Thumbnail](/bitstream/handle/10.18687/20210101_566/FP566.pdf.jpg?sequence=6&isAllowed=y)
View/ Open
Date
2021-07Author
Caya Pérez, Jhan Carlos
Huamaní Navarrete, Pedro Freddy
Metadata
Show full item recordAbstract
El propósito de este artículo fue evaluar el desempeño de tres modelos de Redes Neuronales Convolucionales para apoyar al proceso de diagnóstico de neumonía asociada al COVID-19, para reducir el tiempo que toma la labor de detección de la enfermedad en radiografías de tórax. Los modelos utilizados fueron: ResNet50, InceptionV3 y un modelo particular; para la implementación de los modelos ResNet50 e InceptionV3 se requirió aplicar transfer learning, y data augmentation para los tres modelos. Asimismo, la implementación se realizó utilizando en Keras y Tensorflow. Y, para el entrenamiento y validación de los tres modelos, se empleó un dataset compuesto por casos positivos (COVID-19) y casos negativos (NO COVID-19). Finalmente, se determinó que el modelo más efectivo fue el InceptionV3 con un accuracy de 0.9886, cuando se entrenó con Data Augmentation y 0.9848 sin la aplicación de Data Augmentation.