Diagnóstico de COVID-19 mediante Entropía de Renyi por Wavelet y Optimización Biogeográfica Basada en Tres Segmentos

) es una neumonía infecciosa aguda y su patógeno es nuevo y no se había encontrado previamente en humanos. Como método diagnóstico para COVID-19, la tomografía computarizada (TC) de tórax es más sensible que la reacción en cadena de la polimerasa por transcriptasa inversa. Sin embargo, la interpretación de COVID-19 basada en TC de tórax se realiza principalmente de forma manual por radiólogos y toma entre 5 y 15 minutos por paciente. Para reducir el tiempo de interpretación de la imagen de la TC y mejorar la fiabilidad en la identificación de COVID-19. En este trabajo, se propuso un método novedoso basado en TC de tórax para la detección automática de COVID-19. Nuestro algoritmo es un método híbrido compuesto por (i) entropía de Renyi por wavelet, (ii) red neuronal feedforward, y (iii) un algoritmo de optimización biogeográfica basado en tres segmentos (3SBBO) propuesto. La entropía de Renyi por wavelet se utiliza para extraer características de la imagen. El novedoso método de optimización de 3SBBO puede optimizar pesos, sesgos de la red y el orden de entropía de Renyi. Finalmente, utilizamos 296 imágenes de TC de tórax para evaluar el rendimiento de detección de nuestro método propuesto. Para reducir la aleatoriedad y obtener resultados imparciales, se introducen 10 ejecuciones de validación cruzada de 10 pliegues. Los resultados experimentales muestran que nuestro método propuesto es superior a los enfoques más avanzados en términos de sensibilidad, especificidad, precisión, exactitud y F1.