Actividad

Alumno: Ramírez Hernández Brandon Arael

Grupo: 5IV09

Materia: Servicio social

Turno: Vespertino

Escuela: CECyT 2 Miguel Bernard

Ciclo escolar: 21-2

Clasificación rápida de COVID-19 y neumonía mediante
imágenes de rayos X de tórax (RESUMEN)

A fines de 2019, el mundo padecía una enfermedad causada por el virus SARS-
CoV-2, que se ha convertido en la pandemia COVID-19. Los pacientes con
COVID-19 pueden desarrollar síntomas que pertenecen a la gripe común,
neumonía y otras enfermedades respiratorias en los primeros cuatro a diez días
después de haber sido infectados. Como resultado, puede causar diagnósticos
erróneos entre pacientes con COVID-19 y neumonía típica. Algunas técnicas de
aprendizaje profundo pueden ayudar a los médicos a obtener un diagnóstico
previo eficaz.

Debido al reciente brote de COVID-19, no hay demasiados conjuntos de datos

disponibles públicamente que permitan a los investigadores probar diferentes
métodos de clasificación y segmentación para esta nueva enfermedad. No
obstante, la Universidad de Montreal ha abierto un conjunto de datos actualizado
periódicamente para COVID-19 y otras enfermedades respiratorias para contribuir
a las herramientas de diagnóstico. Es posible apoyar el diagnóstico de
enfermedades respiratorias y pulmonares a través del diagnóstico asistido por
computadora (CAD). Dentro del CAD podemos encontrar técnicas que obtienen
imágenes de las entrañas del cuerpo, como las imágenes de radiografía de tórax
(CXR). También es útil el uso de tomografía computarizada (TC) y de imágenes
por resonancia magnética (IRM). Hoy en día, el examen de imagen más eficaz
para el diagnóstico de COVID-19 en pacientes infectados son las imágenes de TC,
debido a su alta sensibilidad en comparación con las radiografías de tórax. Por
otro lado, los CXR también pueden proporcionar imágenes útiles para ayudar a
visualizar a los pacientes infectados con COVID-19. Los radiólogos han
encontrado características radiológicas que podrían ser útiles para la detección de
COVID-19 en imágenes CXR. Sin embargo, estas características pueden
confundirse con neumonía atípica y otras manifestaciones pulmonares.
Para todos los experimentos que se llevaron a cabo sobre la clasificación de los
las personas sanas, infectadas de COVID-19 y de Neumonía, se implementaron
se usó el lenguaje de programación Python 3.6, utilizando Jupyter Notebook,
Grad-CAM y OpenCV como el principal software de procesador gráfico. Se
procesaron todas las imágenes disponibles. Para llevar a cabo la investigación
cuyos resultados se presentan en el artículo, se utilizó la plataforma Linux online
gratuita llamada Google Collaboratory.

Grad-CAM se utilizó para proporcionar la posible localización de las

manifestaciones de COVID-19 y NEUMONIA. Los mapas se muestran como un
mapa de calor, donde el color rojo intenso representa el área más importante de la
que la red toma la decisión de clasificación. Las figuras muestran varios ejemplos
de imágenes correctamente clasificadas de las clases COVID-19 y NEUMONIA,
respectivamente.

Imágenes de prueba de COVID-19: Imágenes de prueba de neumonía:

( a , c , e ) muestran las imágenes ( a , c , e ) muestran las imágenes
originales y originales y
preprocesadas; ( b , d , f ) muestran preprocesadas; ( b , d , f ) muestran
sus correspondientes mapas de sus correspondientes mapas de
calor. calor.
Entonces para la clasificación de los pacientes de acuerdo al COVID-19 y la
neumonía se utilizó un método rápido y eficaz para clasificar automáticamente tres
tipos de imágenes de rayos X de tórax: personas sanas, pacientes con neumonía
y pacientes infectados con el virus SARS-CoV-2. Se utilizó dos conjuntos de
datos diferentes para entrenar el método propuesto: para COVID-19, la mayoría
de las muestras se obtuvieron de pacientes 12 a 87 años. Además, el método
utilizado demuestra ser rápido y obtener un buen desempeño en menos de 12
min, además de obtener buenos valores en las medidas de desempeño. Cuando
se calcularon las medidas de rendimiento para los tres casos individualmente, los
resultados fueron excelentes. Específicamente, logramos clasificar correctamente
a todos los pacientes infectados con SARS-CoV-2 y a todos los pacientes
infectados con neumonía. Esto nos permite concluir que el método propuesto
puede ser útil para ayudar a los médicos con la clasificación y visualización del
COVID-19 y la neumonía típica.