Uso de redes neurais para classificação da COVID 19 via imagem de tomografia computadorizada

Abstract

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.