Uso de redes neurais para classificação da COVID 19 via imagem de tomografia computadorizada
Date
2020Author
JARDIM, Fernando Cardoso
SILVA, Hugo Henrique Correia da
Metadata
Show full item recordAbstract
Com os acontecimentos advindos da pandemia ocasionada pelo COVID-19, popularmente conhecido como coronavírus, surgiu a necessidade de métodos de identificação da doença. Dentre os sintomas da doença está a debilitação do sistema respiratório, proveniente de uma pneumonia causada pela mesma. Exames de imagens, como raio-X do peito e tomografia computadorizada, vêm se revelando muito úteis para identificação dessa trágica doença. Diante disso, o intuito deste artigo é criar uma Rede Neural Convolucional, também conhecida como CNN, para diagnosticar imagens de tomografia computadorizadas a partir de um dataset composto por exames de pacientes com pneumonias causadas por COVID-19, de outros tipos de pneumonias existentes e também pacientes saudáveis. A partir dos testes e das configurações adotadas para a rede, foram obtidos no melhor modelo os resultados de uma acurácia de 93% nos dados de validação, com a utilização de um filtro de imagem idêntico a Resnet 50. Conclui-se que a rede obteve bons resultados em diagnosticar o vírus a partir da tomografia computadorizada, podendo assim ser usada para diagnósticos reais em hospitais de todo o mundo, além de servir como base para pesquisas futuras, onde poderá ser possível obter melhores resultados ou diagnosticar mais tipos de pneumonia.