Detectando COVID-19 a partir de imagens de raios-X do tórax usando aprendizado de máquina e redes neurais convolucionais profundas

O mundo foi afetado por um novo coronavírus em dezembro de 2019 que mudou a vida humana. Vários tipos de pesquisa foram realizados, avanços científicos substanciais foram feitos e milhões de dólares foram gastos para reunir acadêmicos e cientistas em uma plataforma para acabar com esta pandemia crítica. Confirmar diagnósticos de COVID-19 na fase inicial da pandemia foi crítico, especificamente para pacientes sem manifestações. Neste caso, sistemas baseados em inteligência artificial foram propostos para identificar o vírus em uma fase mais precoce. Assim, o presente estudo sugere um esquema de visão de máquina para identificar COVID-19 a partir de imagens de raios-X do tórax. Três abordagens de aprendizado de máquina, como regressão logística (LR), árvore de decisão (DT) e floresta aleatória (RF), foram implementadas com mais de 95% de precisão. A arquitetura da rede neural convolucional profunda (CNN) também foi proposta e implementada com uma taxa de detecção de 99,99%. Portanto, o presente trabalho pode detectar efetivamente casos de COVID-19 em estágios iniciais.