Sistema auxiliar para el diagnóstico de COVID-19 mediante el análisis de imágenes de CR torácica basado en Deep Learning
DOI:
https://doi.org/10.26457/mclidi.v7i1.2953Resumen
La COVID-19 es la enfermedad causada por el coronavirus, SARS-CoV-2, descubierto en Wuhan, China, a finales de 2019, la cual originó una pandemia que afecta hoy en día a todo el mundo. En este sentido, los sistemas de salud se encuentran bajo constante presión, por lo que la necesidad de establecer nuevos protocolos y herramientas más eficientes para acortar los tiempos de diagnóstico y tratamiento; resultan evidentes.
La COVID-19 puede ser diagnosticada por pruebas moleculares, como lo es la Reacción en Cadena de la Polimerasa con Transcriptasa Inversa (PCR, por sus siglas en inglés) con una entrega de resultados que puede tardar hasta 2 días, o por imágenes médicas, como lo son la Radiografía Computarizada (CR, por sus siglas en inglés) y la Tomografía Computarizada (CT, por sus siglas en inglés).
En este sentido, el diagnóstico por Radiografía Computarizada cuenta con algunas ventajas para ser tomado en cuenta para la detección oportuna del COVID-19, ya que los resultados de este estudio se realizan en un tiempo menor a comparación de otros.
En este trabajo, se presentan los resultados de la aplicación de redes neuronales convolucionales para el desarrollo de un sistema capaz de clasificar imágenes de Radiografías Computarizadas torácicas de pacientes sanos y diagnosticados con COVID-19, al utilizar una base de datos recopilada por la Universidad de Menufia en Egipto y validada por Mendeley Data, con una precisión de clasificación global mayor al 94 % a partir del uso de una base de datos de 2000 imágenes. Al utilizar la validación cruzada de K = 10 iteraciones, el sistema presenta una validación de 99.33 %. Así mismo, se muestra el desarrollo de una aplicación web con la finalidad de facilitar la manipulación del sistema auxiliar por parte del usuario final y apoyar el diagnóstico de las Radiografías Computarizadas torácicas para la entrega ágil y oportuna de resultados al paciente.
De igual forma, se pretende validar el sistema auxiliar desarrollado con alguna clínica o institución de salud, con el objetivo de determinar su funcionamiento con una base de datos de pacientes mexicanos y mejorar la eficiencia de este.
Descargas
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Comunicado propuesto para los derechos de autor de Creative Commons
1. Política propuesta para revistas de acceso abierto
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
