Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/132630
Títol: | Screening Chest X-rays for Covid-19 with Deep Learning |
Autoria: | Robert Gill, Eric |
Tutor: | Nuñez Do Rio, Joan Manuel |
Altres: | Arnedo-Moreno, Joan |
Resum: | El nou Coronavirus ha provocat una pandèmia global amb alts costos econòmics i socials. La naturalesa emergent de la malaltia associada del Coronavirus, Covid-19, ha trobat moltes nacions mal preparades per controlar la seva propagació, resultant en altes taxes d'infecció i pressió en els sistemes de salut. La detecció ràpida i la subsegüent quarantena de persones infectades és la mesura més eficaç contra la propagació del virus amb l'excepció de la vacunació. Generalment, el diagnòstic es porta a terme amb tests de Polímer invertit o antígens que poden ser cars i no sempre fàcilment disponibles. Aquests mètodes requereixen personal especialitzat i contacte físic amb el pacient, així com temps per processar els resultats. Les màquines de raigs X estan disponibles en hospitals arreu del món en països de gairebé totes les situacions econòmiques. La radiografia s'ha utilitzat en molts casos d'ús de cribatge i diagnòstic i hi ha una investigació àmplia sobre la seva aplicabilitat a la pandèmia de Coronavirus. Aquest projecte investiga la viabilitat de l'ús de Xarxes Neurals Convolucionals per detector símptomes de Covid-19 en imatges radiogràfiques de pulmons. Els rajos X són massivament disponibles, econòmics i no invasius. Els resultats mostren que les Xarxes Neurals Convolucionals poden classificar les imatges de raigs X en classes de Covid, Normal i Pneumonia Viral amb alts nivells de Precisió i Sensitivitat. |
Paraules clau: | COVID-19 Radiografies Xarxa Neuronal Convolucional |
Tipus de document: | info:eu-repo/semantics/bachelorThesis |
Data de publicació: | 13-jun-2021 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Apareix a les col·leccions: | Bachelor thesis, research projects, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
egill31TFG0621memory.pdf | Memory of TFG | 2 MB | Adobe PDF | Veure/Obrir |
egill31TFG0621presentation.pdf | Presentation of TFG | 1,47 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons