Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ugto.mx/handle/20.500.12059/12488
Título: | Design of an application to detect covid-19 using convolutional neural networks and X-ray images |
Autor: | CARLOS EDUARDO BELMAN LOPEZ |
ID del Autor: | info:eu-repo/dai/mx/cvu/773443 |
Resumen: | Este documento presenta el diseño de una aplicación para detectar covid-19 utilizando redes neuronales convolucionales e imágenes de rayos X en dos escenarios (covid/No-covid y covid/Normal/Neumonía). Para evitar el sobreajuste, se utilizó aumento de datos, dropout, normalización por lotes y optimizador Adam. La red para tres clases se utilizó como modelo pre-entrenado ajustando solo la capa densa y de salida para obtener el modelo binario. Además, se realizó una optimización automatizada de hiper-parámetros como dropout, funciones de activación y número de neuronas. La tasa de aprendizaje se ajustó mediante callbacks para evadir óptimos locales. Las redes fueron convertidas al formato TensorFlow.js para integrarse en una aplicación híbrida utilizando Ionic y Capacitor, y se desplegaron mediante Firebase para brindar asistencia y soporte al generar diagnósticos. La aplicación obtuvo una exactitud del 98.61% y 96.48% para dos y tres clases, respectivamente, logrando mayor rendimiento que otras propuestas y utilizando menos parámetros de entrenamiento. |
Fecha de publicación: | 24-jul-2024 |
Licencia: | http://creativecommons.org/licenses/by-nc-nd/4.0 |
URI: | http://repositorio.ugto.mx/handle/20.500.12059/12488 |
Idioma: | eng |
Aparece en las colecciones: | Revista Acta Universitaria |
Archivos en este ítem:
Archivo | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Design of an application to detect covid-19 using convolutional neural networks and X-ray images.pdf | 1.75 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.