Clasificación de Coronavirus (COVID-19) utilizando imágenes de TC mediante métodos de aprendizaje automático

Este estudio presenta la detección en fases tempranas del Coronavirus (COVID-19), nombrado por la Organización Mundial de la Salud (OMS), mediante métodos de aprendizaje automático. El proceso de detección se implementó en imágenes de Tomografía Computarizada (TC) abdominal. Los radiólogos expertos detectaron a partir de imágenes de TC que el COVID-19 muestra comportamientos diferentes de otras neumonías virales. Por lo tanto, los expertos clínicos especifican que el virus COVID-19 necesita ser diagnosticado en fases tempranas. Para la detección del COVID-19, se formaron cuatro conjuntos de datos diferentes tomando parches de tamaño 16x16, 32x32, 48x48, 64x64 de 150 imágenes de TC. Se aplicó un proceso de extracción de características a los parches para aumentar el rendimiento de la clasificación. Se utilizaron como métodos de extracción de características la Matriz de Co-ocurrencia de Niveles de Gris (GLCM), el Patrón Direccional Local (LDP), la Matriz de Longitudes de Ejecuciones de Niveles de Gris (GLRLM), la Matriz de Tamaños de Zonas de Niveles de Gris (GLSZM) y la Transformada Discreta de Wavelet (DWT). Las Máquinas de Vectores de Soporte (SVM) clasificaron las características extraídas. Se implementaron validaciones cruzadas de 2 pliegues, 5 pliegues y 10 pliegues durante el proceso de clasificación. Se utilizaron métricas de sensibilidad, especificidad, precisión, exactitud y F-score para evaluar el rendimiento de la clasificación. La mejor exactitud de clasificación se obtuvo como 99.68% con validación cruzada de 10 pliegues y el método de extracción de características GLSZM.