Warning: ini_set(): A session is active. You cannot change the session module's ini settings at this time in /home/memoriascnib/public_html/lib/pkp/classes/session/SessionManager.inc.php on line 69

Warning: Cannot modify header information - headers already sent by (output started at /home/memoriascnib/public_html/lib/pkp/classes/session/SessionManager.inc.php:69) in /home/memoriascnib/public_html/plugins/generic/citationStyleLanguage/CitationStyleLanguagePlugin.inc.php on line 478

Warning: Cannot modify header information - headers already sent by (output started at /home/memoriascnib/public_html/lib/pkp/classes/session/SessionManager.inc.php:69) in /home/memoriascnib/public_html/plugins/generic/citationStyleLanguage/CitationStyleLanguagePlugin.inc.php on line 479
TY - JOUR AU - Alvaro-Torres, V. AU - Mejía Rodríguez, A. R. AU - Campos Delgado, D. U. PY - 2021/11/30 Y2 - 2026/03/22 TI - Una Web Service de Diagnóstico de COVID-19 en Imágenes de Rayos-X de Tórax basado en Redes Neuronales: Diagnóstico Covid-19 JF - Memorias del Congreso Nacional de Ingeniería Biomédica JA - MCNIB VL - 8 IS - 1 SE - Procesamiento de Señales e Imágenes Médicas DO - UR - https://www.memoriascnib.mx/index.php/memorias/article/view/915 SP - 87-91 AB - <p>La enfermedad del coronavirus 2019 se ha extendido a una velocidad impresionante por todo el mundo, infectando a miles de personas y provocando la pandemia actual. Debido a esta crisis de salud, los gobiernos han tratado de minimizar la propagación, tomando acciones como restringir la movilidad de los ciudadanos y las interacciones en sus comunidades. La detección temprana de COVID-19 ha sido un punto clave para que los médicos restrinjan las consecuencias negativas de la enfermedad, y es crucial desarrollar esquemas de detección rápidos y precisos. Esta idea ha motivado a muchos grupos de investigación a centrar su atención en diferentes opciones para obtener herramientas de diagnóstico automáticas, rápidas y efectivas. La radiografía de tórax es una herramienta accesible para el diagnóstico clínico. Para ello, proponemos una herramienta de diagnóstico automático basada en redes neuronales, que fue entrenada y validada con una base de datos de imágenes de rayos X de acceso libre y abierto. El enfoque propuesto incluyó una etapa de procesamiento inicial para normalizar las magnitudes de intensidad en la imagen, seguida de una remodelación del tamaño para mejorar la robustez y la velocidad de procesamiento. A continuación, se entrenó y validó la red neuronal logrando una precisión superior al 96% en ambas etapas. Como parte de esta contribución, se implementó una Web Service, para que la evaluación de futuras imágenes de rayos X se pudiera realizar en línea. El servicio web propuesto incluye una verificación de coherencia de la imagen de prueba para evitar malas interpretaciones.</p> ER -