Aplicação de Deep Learning no pré-diagnóstico da COVID-19 através de imagens de raio-x

Luan Silva

Graduando em Sistemas de Informação

Instituto de Geociências e Engenharias

Pesquisador do Laboratório de Computação Científica

Victor Ferreira

Graduando em Sistemas de Informação

Instituto de Geociências e Engenharias

Pesquisador do Laboratório de Computação Científica

Leandro Araújo

Graduando em Sistemas de Informação

Instituto de Geociências e Engenharias

Pesquisador do Laboratório de Computação Científica

Adam Santos

Doutor em Engenharia Elétrica

Instituto de Geociências e Engenharias

Coordenador do Laboratório de Computação Científica

Atualmente o mundo está lidando com uma pandemia relacionada com um novo coranavírus, severe acute respiratory syndrome coronavirus 2 ou SARSCoV-2, que passou a ser denominada como COVID-19. Uma das alternativas para auxiliar na identificação do COVID-19 é a utilização da radiografia do tórax, a qual mostra características semelhantes a outras pneumonias causadas por outros coronavírus. Entretanto, uma interpretação radiológica rápida de imagens nem sempre está disponível. A aplicação de técnicas de deep learning (aprendizagem profunda) para classificação de imagens de raio-x teve um crescimento considerável nos últimos anos. Neste trabalho foram utilizados duas arquiteturas de redes neurais convolucionais, InceptionResNetV2 e ResNetX50, com o objetivo de resolver o problema de classificação de imagens de raio-x de pessoas com pneumonia, a fim de ajudar no pré-diagnóstico, principalmente, da COVID-19, podendo se tornar um possível método de triagem de pacientes. O modelo gerado a partir da arquitetura ResNetX50 obteve os melhores resultados para todas as métricas definidas.

Artigo: PDF.