Regresar

Técnicas de machine learning basadas en aprendizaje supervisado para la pbkp_redicción de Enfermedades respiratorias y/o pulmonares ocasionadas y derivadas por el Covid19

Abstract:

El virus SARS-COV-2, responsable de la enfermedad COVID-19, y a su vez responsable de afectaciones pulmonares presenta una variedad de síntomas en los pacientes, lo que dificulta su diagnóstico en muchos casos. La detección de enfermedades pulmonares se realiza comúnmente mediante radiografías de tórax, ya que permiten validar la presencia del virus en los pacientes y visualizar la gravedad del daño en los pulmones, pero este proceso puede llegar a ser un poco lento. Por lo tanto, es importante desarrollar un sistema de detección automática para la pbkp_redicción y detección de enfermedades pulmonares post Covid-19. Gracias a los avances en técnicas de aprendizaje supervisado, machine learning y técnicas de Deep Learning, particularmente el uso de redes neuronales convolucionales, pueden ayudar a identificar patrones en las imágenes radiográficas de tórax. En esta investigación se construyeron dos modelos de redes neuronales entrenados con datasets obtenidos de repositorios públicos de Kaggle, para clasificar imágenes de tórax en cuatro categorías posibles. Se compararon los rendimientos de los modelos entrenados en colab, la evaluación de los modelos demostró valores superiores al 85% en todas las métricas utilizadas, y los resultados mostraron que los modelos son capaces de capturar características efectivamente relacionadas con los diagnósticos de los pacientes. En conclusión, los modelos de aprendizaje supervisado y automático representan una herramienta útil en la pbkp_redicción, detección y diagnóstico de enfermedades, abriendo la posibilidad de su aplicación en otras áreas de la medicina.