RESUMO
La Inteligencia Artificial ha ayudado a lidiar diferentes problemas relacionados con los datos masivos y a su vez con su tratamiento, diagnóstico y detección de enfermedades como la que actualmente nos preocupa, la Covid-19. El objetivo de esta investigación ha sido analizar y desarrollar la clasificación de imágenes de neumonía a causa de covid-19 para un diagnostico efectivo y óptimo. Se ha usado Transfer-Learning aplicando ResNet, DenseNet, Poling y Dense layer para la elaboración de los modelos de red propios Covid-UPeU y Covid-UPeU-TL, utilizando las plataformas Kaggle y Google colab, donde se realizaron 4 experimentos. El resultado con una mejor clasificación de imágenes se obtuvo en el experimento 4 prueba N°2 con el modelo Covid-UPeU-TL donde Acc.Train: 0.9664 y Acc.Test: 0.9851. Los modelos implementados han sido desarrollados con el propósito de tener una visión holística de los factores para la optimización en la clasificación de imágenes de neumonía a causa de COVID-19(AU)
Artificial Intelligence has helped to deal with different problems related to massive data in turn to the treatment, diagnosis and detection of diseases such as the one that currently has us in concern, Covid-19. The objective of this research has been to analyze and develop the classification of images of pneumonia due to covid-19 for an effective and optimal diagnosis. Transfer-Learning has been used applying ResNet, DenseNet, Poling and Dense layer for the elaboration of the own network models Covid-Upeu and Covid-UpeU-TL, using Kaggle and Google colab platforms, where 4 experiments have been carried out. The result with a better classification of images was obtained in experiment 4 test N ° 2 with the Covid-UPeU-TL model where Acc.Train: 0.9664 and Acc.Test: 0.9851. The implemented models have been developed with the purpose of having a holistic view of the factors for optimization in the classification of COVID-19 images(AU)
Assuntos
Humanos , Masculino , Feminino , Pneumonia/epidemiologia , Aplicações da Informática Médica , Inteligência Artificial/tendências , Radiografia/métodos , COVID-19/complicaçõesRESUMO
Los sistemas de información en los servicios de salud han contribuido en los procesos de automatización de historiales clínicos, desempeñando un papel importante en la atención médica. El objetivo de esta revisión ha sido identificar la importancia de los sistemas de información para la automatización de historiales clínicos y las herramientas usadas para su implementación. Se revisaron artículos de revistas indexadas en base de datos bibligráficas como: IEEE Digital Library, ScienceDirect, Scielo, Google Scholar con la finalidad de tener una mejor clasificación de información que aportara al desarrollo del contenido estudiado. Se identificó que los sistemas de información mejoran la comunicación médico-paciente, aceleran procesos de atención médica, reducen costos y tiempo. Los sistemas de información son importantes para la automatización de historiales clínicas, garantizado mejoras en el proceso de atención al paciente en los establecimientos de salud(AU)
Information systems in health services have contributed to the automation of medical records, playing an important role in medical care. The objective of this review was to identify the importance of information systems for the automation of medical records and the tools used for their implementation. Articles from journals indexed in bibliographic databases such as: IEEE Digital Library, ScienceDirect, Scielo, Google Scholar have been reviewed in order to have a better classification of information that contributes to the improvement of our interest topic. It has been identified that these information systems increase doctor-patient communication, speed up medical care processes, reduce costs and time. Information systems are important for the automation of medical records, guaranteeing advances in the patient care process in health establishments(AU)