Clasificación de imágenes radiográficas de tórax usando redes neuronales convolucionales con Pytorch para la detección de Covid-19.

Abstract

Para la detección del covid-19 existen diferentes formas, por lo general la prueba PCR es un método de diagnóstico confiable, pero requieren de un laboratorio altamente capacitado para obtener los resultados, lo que puede demorar horas o días. Otra técnica de detección de este virus es mediante imágenes del tórax y se han utilizado como una herramienta de diagnóstico en el departamento de emergencias porque pueden revelar características relacionadas con la afectación en pulmones. Por tal motivo, es importante desarrollar un sistema de detección automática como una opción de diagnóstico alternativa para la detección de la enfermedad Covid-19. Las técnicas de Deep learing pueden ayudar a determinar el virus SARS-CoV-2 con imágenes radiográficas de tórax. Gracias a la alta disponibilidad de datasets de imágenes anotadas a gran escala, se ha utilizado redes neuronales convolucionales para el análisis y la clasificación de imágenes por lo cual, el objetivo de la investigación es desarrollar un modelo de clasificación de imágenes de tórax de pacientes afectados por el virus SARS-CoV-2 usando redes neuronales convolucionales implementadas con pytorch para la detección de covid-19. La modalidad del trabajo es 30% campo y 70% investigativa. En esta investigación se desarrolló dos modelos de redes neuronales convolucionales entrenados con dos datasets obtenidos de repositorios públicos con dos posibles respuestas: normal XXVI y covid. Los rendimientos de los modelos entrenados en Pytorch son comparados en las mismas circunstancias, con los mismos parametros e hiperparametros en Keras y se ha visto que la librería de Pytorch proporciona una mayor precisión en el conjunto de validación y de test en comparación a la otra librería

There are different ways to detect covid-19, in general, the PCR test i a reliable diagnostic method, but they require a highly trained laboratory to obtain the results, which can take hours or days. Another detection technique for this virus is through chest imaging and they have been used as a diagnostic tool in the emergency department because they can reveal features related to lung involvement. For this reason, it is important to develop an automatic detection system as an alternative diagnostic option for the detection of Covid-19 disease. Deep learning techniques can help determine the SARS-CoV-2 virus with chest x-ray images. Thanks to the high availability of large-scale image datasets, convolutional neural networks have been used for the analysis and classification of images, for which, the objective of the research is to develop a model for classifying chest images of affected patients by the SARS-CoV-2 virus using convolutional neural networks implemented with pytorch for the detection of covid-19. The modality of work is 30% field and 70% investigative. In this research, two models of convolutional neural networks were developed trained with two datasets obtained from public repositories with two possible answers: normal and covid. The performances of the models trained in Pytorch are compared under the same circumstances, with the same parameters and hyperparameters in Keras and it has been seen that XXVIII the Pytorch library provides greater precision in the validation and test set compared to the other library.