Detecção automática de COVID-19 e pneumonia em radiografias torácicas utilizando redes neurais profundas
Carregando...
Tipo
TCC
Data de publicação
2023-12-07
Periódico
Citações (Scopus)
Autores
Bianchini, João P.
Leite, Lucas T.
Nova, Victor C.
Leite, Lucas T.
Nova, Victor C.
Orientador
Oliveira, Ivan Carlos A. de
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Programa
Resumo
Este trabalho tem como objetivo implementar um modelo de detecção automática de COVID-19 e Pneumonia por meio de radiografias torácicas, utilizando técnicas de redes neurais profundas. A partir de um dataset público de imagens radiográficas torácicas de pacientes com COVID-19, pneumonia e normal, foram utilizadas redes neurais convolucionais explorando variações nos seus hiperparâmetros para encontrar o melhor modelo preditivo, segundo métricas de avaliação de erro. O modelo definitivo obtido incorporou 9.568 imagens de treinamento, alcançando uma acurácia média de 94% e precisão de 97%. A partir disso, uma aplicação web simples foi desenvolvida para integração do classificador e facilitando o seu acesso.
This work aims to implement an automatic detection model for COVID-19 and pneumonia through chest X-rays, using deep neural network techniques. Leveraging a public dataset of chest X-ray images from patients with COVID-19, pneumonia, and normal cases, convolutional neural networks were employed, exploring variations in their hyperparameters to find the best predictive model based on error evaluation metrics. The final model incorporated 9,568 training images, achieving an average accuracy of 94% and precision of 97%. Subsequently, a web application was developed for integrating the classifier, making it easily accessible.
This work aims to implement an automatic detection model for COVID-19 and pneumonia through chest X-rays, using deep neural network techniques. Leveraging a public dataset of chest X-ray images from patients with COVID-19, pneumonia, and normal cases, convolutional neural networks were employed, exploring variations in their hyperparameters to find the best predictive model based on error evaluation metrics. The final model incorporated 9,568 training images, achieving an average accuracy of 94% and precision of 97%. Subsequently, a web application was developed for integrating the classifier, making it easily accessible.
Descrição
Indicado para publicação.
Palavras-chave
redes neurais convolucionais , aplicação web , detecção , COVID-19 , pneumonia , Convolutional Neural Networks , web application , detection , COVID-19 , pneumonia