Dise?o y aplicaci?n de redes neuronales convolucionales para el diagn?stico de enfermedades pulmonares, a partir de radiograf?as de t?rax frontal

Abstract

El 11 de marzo de 2020 el COVID-19 fue declarado Pandemia por la OMS. Esta enfermedad infecciosa causada por el SARS-CoV-2 afecta al sistema respiratorio al igual que la Tuberculosis, este ?ltimo seg?n el informe de la OMS en el 2020 declara que los casos de TBC se incrementaron a nivel mundial a ra?z de la pandemia del COVID-19. Por ello, se ha visto afectado el reconocimiento de dichas enfermedades puesto que ambas presentan s?ntomas similares. Este proyecto propone el dise?o y aplicaci?n de Redes Neuronales Convolucionales para el diagn?stico de enfermedades como el Covid-19 y Tuberculosis, a partir de radiograf?as de t?rax frontal. Es as? que, dos de los modelos de redes neuronales fueron InceptionV3 y VGG16, mientras que el tercero fue denominado Particular, y todos ellos fueron desarrollados en la interfaz de JupyterLab, mediante el lenguaje de programaci?n Phyton, con las librer?as de Tensorflow y Keras. En el caso de la red neuronal particular, estuvo conformada por 10 capas, la cual fue entrenada por 2535 im?genes de radiograf?as de t?rax frontal (compuesta por Covid-19, Tuberculosis y Sanos), asimismo para el entrenamiento se us? la CPU y GPU del computador. Estas mismas im?genes se usaron para el entrenamiento de los modelos de Redes neuronales artificiales INCEPTION Y VGG16, para poder comparar y obtener la eficacia de la red particular, A las redes neuronales artificiales se les aplic? Transfer Learning para poder implementarlas y entrenarlas. Las m?tricas de evaluaci?n para cada red fueron ?Accuracy?, ?Recall?, ?F1-Score? y ?General Precisi?n? para conocer la precisi?n y sensibilidad de la red particular a comparaci?n de las otras mencionadas. Finalmente, la red neuronal convolucional particular obtuvo una precisi?n de 92.70% entrenada con la CPU, y 94.28% con la GPU, ambos valores totalmente aceptables para una red entrenada con 3 clases (Covid- 19, Tuberculosis y Sanos).