Tamanho da fonte: 

Dado o grande número de casos COVID-19 em todo o mundo, uma solução prática para diminuir e aliviar a fila de pacientes nos hospitais e nos sistemas de saúde é bem-vinda. Diagnóstico rápido e confiável com base em ferramentas tecnológicas pode apoiar os profissionais médicos para gerenciar esta situação de gargalo, como o diagnóstico baseado em técnicas de imagem, que permite procedimentos não intrusivos. Neste artigo, propomos uma metodologia prática utilizando aprendizado profundo para detectar e classificar os pulmões afetados pelo COVID-19 por meio da radiografia de tórax. A arquitetura RetinaNet é considerada aqui. Esta arquitetura é uma detecção de objeto de um estágio usando perda focal frequentemente aplicada com objetos densos, pequenos e desequilibrados. Consideramos um conjunto de dados com 2.500 imagens para treinamento do modelo e 1.000 imagens para validar o modelo. Além disso, um conjunto de 1000 imagens de dois conjuntos de dados diferentes é aplicado para testar a abordagem do pipeline. Os resultados obtidos mostram uma pontuação de especificidade de 0,54, precisão de 0,68, evocação de 0,994 e mAP de 0,913. A alta pontuação de evocação explica que um paciente com COVID-19 será classificado corretamente.

COVID-19, Raio-X de pulmão, Aprendizado profundo.