Examinando por Autor "Pulig Cesén, Danny Xavier"
Mostrando 1 - 1 de 1
Resultados por página
Opciones de ordenación
- ÍtemAcceso AbiertoAnálisis de imágenes de rayos X de Covid-19 a través de redes neuronales artificiales.(Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales., 2021-03) Morocho Sande, Kevin Luis; Pulig Cesén, Danny Xavier; Patiño Pérez, Darwin GuillermoEn la actualidad, las pruebas más efectivas para la detección de Covid-19 como el análisis de imágenes por tomografía axial computarizada (TAC) y las evaluaciones médicas de laboratorio como la prueba de reacción en cadena de la polimerasa (PCR), son uno de los métodos más efectivos para el diagnóstico de esta enfermedad. La única desventaja es que estos métodos tradicionales son muy costosos y eso implicaba que la población de clase media-baja no tenga acceso a estas pruebas de detección. Las redes neuronales artificiales juegan un papel muy importante en el campo de la medicina y en investigaciones tecnológicas que contribuyan a la detección de enfermedades como el Covid-19. Este proyecto se centralizó con el fin de proporcionar un apoyo a los médicos en la toma de decisiones, utilizando herramientas tecnológicas. Se realizó un modelo de machine learning para el análisis de imágenes de rayos X para la detección de Covid-19 a través de redes neuronales convolucionales. El algoritmo fue realizado en el lenguaje de programación Python con el uso del entorno de desarrollo en la nube de Google Colaboratory. Por medio de los repositorios de acceso público de GitHub y Kaggle, se recolectaron bases de datos de imágenes de rayos X de tórax de pacientes con Covid-19 y pacientes normales (sanos) para generar un dataset con imágenes de entrenamiento y validación. Se realizaron pruebas experimentales con tres tipos de arquitectura de redes neuronales convolucionales para los modelos A, B y C. Siendo el modelo C el que obtuvo los mejores resultados.