Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales

Autores
Armoa, Guido Sebastián; Vega Lencina, Nuria Isabel; Eckert, Karina Beatriz
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El presente trabajo de se vio motivado por la histórica pandemia que afectó a todo el mundo desde fines del 2019. El diagnóstico temprano de la enfermedad del COVID-19 es crucial para el tratamiento y control de la enfermedad. En este contexto, la radiografía de tórax juega un papel importante; precisamente este trabajo tiene como objetivo el desarrollo y análisis de un prototipo de software para el reconocimiento de signos de COVID-19 en radiografías de tórax, a partir del procesamiento de imágenes utilizando redes neuronales convolucionales. Se propone un modelo de red neuronal convolucional para detectar signos de COVID-19 en imágenes de radiografías de tórax. La metodología propuesta experimenta y analiza el comportamiento de la misma, mediante el entrenamiento de la red utilizando distintos conjuntos de datos disponibles públicamente. Los resultados experimentales demuestran la efectividad y las limitaciones de la metodología propuesta, logrando un 79% de exactitud en la clasificación.
XX Workshop Computación Gráfica, Imágenes y Visualización (WCGIV)
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Procesamiento digital de imágenes
Redes neuronales artificiales
Redes neuronales convolucionales
Radiografía de tórax
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/149424
Acceder
id SEDICI_de713b2c6c728181adc473abfc67000e
oai_identifier_str oai:sedici.unlp.edu.ar:10915/149424
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionalesArmoa, Guido SebastiánVega Lencina, Nuria IsabelEckert, Karina BeatrizCiencias InformáticasProcesamiento digital de imágenesRedes neuronales artificialesRedes neuronales convolucionalesRadiografía de tóraxEl presente trabajo de se vio motivado por la histórica pandemia que afectó a todo el mundo desde fines del 2019. El diagnóstico temprano de la enfermedad del COVID-19 es crucial para el tratamiento y control de la enfermedad. En este contexto, la radiografía de tórax juega un papel importante; precisamente este trabajo tiene como objetivo el desarrollo y análisis de un prototipo de software para el reconocimiento de signos de COVID-19 en radiografías de tórax, a partir del procesamiento de imágenes utilizando redes neuronales convolucionales. Se propone un modelo de red neuronal convolucional para detectar signos de COVID-19 en imágenes de radiografías de tórax. La metodología propuesta experimenta y analiza el comportamiento de la misma, mediante el entrenamiento de la red utilizando distintos conjuntos de datos disponibles públicamente. Los resultados experimentales demuestran la efectividad y las limitaciones de la metodología propuesta, logrando un 79% de exactitud en la clasificación.XX Workshop Computación Gráfica, Imágenes y Visualización (WCGIV)Red de Universidades con Carreras en Informática2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf243-252http://sedici.unlp.edu.ar/handle/10915/149424spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-1364-31-2info:eu-repo/semantics/reference/hdl/10915/149102info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-17T10:20:59Zoai:sedici.unlp.edu.ar:10915/149424Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-17 10:20:59.976SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales
title Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales
spellingShingle Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales
Armoa, Guido Sebastián
Ciencias Informáticas
Procesamiento digital de imágenes
Redes neuronales artificiales
Redes neuronales convolucionales
Radiografía de tórax
title_short Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales
title_full Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales
title_fullStr Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales
title_full_unstemmed Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales
title_sort Detección de signos de COVID-19 en radiografías de tórax a través del procesamiento digital de imágenes con redes neuronales convolucionales
dc.creator.none.fl_str_mv Armoa, Guido Sebastián
Vega Lencina, Nuria Isabel
Eckert, Karina Beatriz
author Armoa, Guido Sebastián
author_facet Armoa, Guido Sebastián
Vega Lencina, Nuria Isabel
Eckert, Karina Beatriz
author_role author
author2 Vega Lencina, Nuria Isabel
Eckert, Karina Beatriz
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Procesamiento digital de imágenes
Redes neuronales artificiales
Redes neuronales convolucionales
Radiografía de tórax
topic Ciencias Informáticas
Procesamiento digital de imágenes
Redes neuronales artificiales
Redes neuronales convolucionales
Radiografía de tórax
dc.description.none.fl_txt_mv El presente trabajo de se vio motivado por la histórica pandemia que afectó a todo el mundo desde fines del 2019. El diagnóstico temprano de la enfermedad del COVID-19 es crucial para el tratamiento y control de la enfermedad. En este contexto, la radiografía de tórax juega un papel importante; precisamente este trabajo tiene como objetivo el desarrollo y análisis de un prototipo de software para el reconocimiento de signos de COVID-19 en radiografías de tórax, a partir del procesamiento de imágenes utilizando redes neuronales convolucionales. Se propone un modelo de red neuronal convolucional para detectar signos de COVID-19 en imágenes de radiografías de tórax. La metodología propuesta experimenta y analiza el comportamiento de la misma, mediante el entrenamiento de la red utilizando distintos conjuntos de datos disponibles públicamente. Los resultados experimentales demuestran la efectividad y las limitaciones de la metodología propuesta, logrando un 79% de exactitud en la clasificación.
XX Workshop Computación Gráfica, Imágenes y Visualización (WCGIV)
Red de Universidades con Carreras en Informática
description El presente trabajo de se vio motivado por la histórica pandemia que afectó a todo el mundo desde fines del 2019. El diagnóstico temprano de la enfermedad del COVID-19 es crucial para el tratamiento y control de la enfermedad. En este contexto, la radiografía de tórax juega un papel importante; precisamente este trabajo tiene como objetivo el desarrollo y análisis de un prototipo de software para el reconocimiento de signos de COVID-19 en radiografías de tórax, a partir del procesamiento de imágenes utilizando redes neuronales convolucionales. Se propone un modelo de red neuronal convolucional para detectar signos de COVID-19 en imágenes de radiografías de tórax. La metodología propuesta experimenta y analiza el comportamiento de la misma, mediante el entrenamiento de la red utilizando distintos conjuntos de datos disponibles públicamente. Los resultados experimentales demuestran la efectividad y las limitaciones de la metodología propuesta, logrando un 79% de exactitud en la clasificación.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/149424
url http://sedici.unlp.edu.ar/handle/10915/149424
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-1364-31-2
info:eu-repo/semantics/reference/hdl/10915/149102
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
243-252
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1843532909709885440
score 13.000565

Publicaciones similares