Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/113321
Título: Hacia un Sistema Inteligente de ayuda al diagnóstico de la COVID-19 mediante imágenes de Radiografías y/o Tomografías por Computador de la zona pulmonar y vías respiratorias de los pacientes
Autores/as: Arrocha Quevedo, Samuel
Director/a : Fernández López, Pablo Carmelo 
Suárez Araujo, Carmen Paz 
Clasificación UNESCO: 120317 Informática
Fecha de publicación: 2022
Resumen: Desde que la COVID-19 se convirtió en pandemia, supuso una emergencia sanitaria mundial. Urge detectarla tempranamente. Proponemos Sistemas Inteligentes (SI), basados en Redes Neuronales Convolucionales (CNN), para detección temprana de la COVID-19 mediante Radiografías (RX) y Tomografías Computerizadas (TC). Para la experimentación se aplican dos datasets, "covid-chestxray-dataset" [1] para las RX y "COVID-CT" para las TC [2]. Se desarrollan y analizan dos modelos. El modelo RX alcanza una precisión de 95% y una sensibilidad de 96%, mientras que para el desarrollado con TC, la precisión lograda es de 96% y la sensibilidad de 96%. Se concluye la capacidad de las CNN en la ayuda al diagnóstico COVID-19 y las RX y TC como pruebas diagnósticas.
Departamento: Departamento de Informática y Sistemas
Facultad: Escuela de Ingeniería Informática
Titulación: Grado en Ingeniería Informática
URI: http://hdl.handle.net/10553/113321
Colección:Trabajo final de grado
Adobe PDF (4,03 MB)

En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.

Vista completa

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.