Reconhecimento de COVID-19 e pneumonia viral em imagens de raio-x através de redes neurais convolucionais

Abstract

Resumo A COVID-19 é uma doença provocada pelo coronavírus SARS-CoV-2 podendo causar síndrome respiratória aguda e levar a óbito. Por ser de fácil contaminação logo se espalhou pelo mundo todo, resultando em uma grave pandemia. Para diminuir a contaminação e consequentemente casos graves e mortes é necessário que a contaminação seja contida, e com isso, os diagnósticos precisam ser rápidos e precisos, o que é uma dificuldade em muitos locais. A utilização de imagens de raio-x do pulmão para diagnostico da COVID-19 é uma alternativa para situações em que a quantidade de testes é insuficiente ou inacessível, mas ainda é necessário a presença de um especialista para realizar esses diagnósticos, resultando em um outro problema. O uso de Redes Neurais Convolucionais é um aliada, e já vem sendo utilizadas para diversas tarefas de classificação e detecção. Neste trabalho foram utilizadas as arquiteturas VGG, Xception e ResNet para detectar COVID-19 e pneumonia em imagens de raio-x, atingindo resultados 93% de Acurácia com a Xception e 95% com as demais, além de 100% de Sensibilidade com as redes ReNet e 100% de Precisão com a VGG16.___Abstract COVID-19 is a desease caused by the SARS-CoV-2 coronavirus that may cause acute respiratory syndrome and death. Due to easy contamination it has spread all over the world, resulting in a serious pandemic. To reduce contamination and consequently severe cases it is necessary that the contamination be contained, and then, the diagnostics have to be fast and accurate, which is difficult in many places. The use of lungs x-ray images for for diagnosing COVID-19 is an alternative when the number of tests is not enough or inaccessible, however, the presence of specialists is still necessary to do these diagnoses, resulting in another problem. Convolutional Neural Networks employment it is an ally, they have been used to different classification and detection tasks. In this work, VGG, Xception and ResNet architectures were used to detect COVID-19 and pneumonia in x-ray images, reaching 93% Accuracy with Xception and 95% with the other ones, as well as 100% Sensitivity with ReNet networks and 100% Accuracy with VGG16.