Uma Arquitetura de Rede Neural Convolucional Simplificada para Reconhecimento da COVID-19 em Imagens de Raios-X

• Fabio J. Barbosa IF Sudeste MG
• Alessandra M. Coelho IF Sudeste MG
• Matheus F. O. Baffa USP

DOI: https://doi.org/10.5753/ercas.2021.17428

Resumo

A COVID-19 é um problema emergente que já causou grandes prejuízos à sociedade. Um diagnóstico preciso auxilia no encaminhamento do paciente a um tratamento mais adequado. Na literatura da Visão Computacional, muitos trabalhos implementam arquiteturas robustas de aprendizagem profunda para criação de modelos de classificação da COVID, este trabalho visa simplificar uma Rede Neural Convolucional de forma a reduzir o custo computacional, sem perder o desempenho na detecção da COVID-19 em imagens de Raios-X. Com três camadas de convolução, o trabalho desenvolvido obteve uma acurácia de 99,36% de acurácia.

Referências

Garcia, L. P. and Duarte, E. (2020). Intervenções não farmacológicas para o enfrentamento à epidemia da COVID-19 no Brasil. Epidemiologia e Serviços de Saúde, 29.

Lima, C. M. A. d. O. (2020). Information about the new coronavirus disease (COVID-19). Radiologia Brasileira, 53:V – VI.

Martins, J. V. G., Gregório, M. P., Baffa, M. d. F. O., and Coelho, A. M. (2021). Classicação da covid-19 em radiograas do tórax utilizando redes neurais profundas e padrões binários locais. Journal of Health Informatics, 12:387–392.

Meirelles, G. d. S. P. (2020). COVID-19: a brief update for radiologists. Radiologia Brasileira, 53:320–328.

Patel, P. (2021). Chest X-ray (Covid-19 & Pneumonia). Disponível em: https://www.kaggle.com/prashant268/chest-xray-covid19-pneumonia. Acesso em: 01 jan. 2021.

Rodrigues, L., Rodrigues, L., da Silva, D., and Mari, J. F. (2020). Evaluating convolutional neural networks for covid-19 classication in chest x-ray images. In Anais do XVI Workshop de Visão Computacional, pages 52–57. SBC.