Uma abordagem híbrida CNN–KNN para identificação de COVID-19 com validação cruzada de 5 dobras

O novo coronavírus é o novo membro da família SARS, que pode causar infecção leve a severa nos pulmões e outros órgãos vitais como o coração, rins e fígado. Para detectar COVID-19 a partir de imagens, uma ANN tradicional pode ser empregada. Este método começa extraindo as características e, em seguida, alimentando essas características em um classificador adequado. A taxa de classificação não é tão alta, uma vez que a extração de características depende da experiência dos experimentadores. Para resolver essa desvantagem, um modelo híbrido baseado em CNN-KNN com validação cruzada de 5 dobras é proposto para classificar COVID-19 ou não-COVID-19 a partir de tomografias computadorizadas (CT) de pacientes. Primeiro, alguns passos de pré-processamento, como aprimoramento de contraste, filtragem mediana, aumento de dados e redimensionamento de imagens, são realizados. Em segundo lugar, o conjunto de dados inteiro é dividido em cinco seções ou dobras iguais para treinamento e teste. Ao realizar a validação cruzada de 5 dobras, a generalização do conjunto de dados é garantida e o sobreajuste da rede é prevenido. O modelo CNN proposto consiste em quatro camadas convolucionais, quatro camadas de max-pooling e duas camadas totalmente conectadas, combinadas com 23 camadas. A arquitetura da CNN é usada como um extrator de características neste caso. As características são retiradas da quarta camada convolucional do modelo CNN e, finalmente, as características são classificadas usando K Vizinhos Mais Próximos em vez de softmax para melhor precisão. O método proposto é realizado sobre um conjunto de dados aumentado de 4085 imagens de tomografia computadorizada. A precisão média, precisão, recall e F1 score do método proposto após realizar uma validação cruzada de 5 dobras é de 98,26%, 99,42%, 97,2% e 98,19%, respectivamente. A precisão do método proposto é comparável aos trabalhos existentes descritos mais adiante, onde modelos de CNN de estado da arte e personalizados foram utilizados. Portanto, este método proposto pode diagnosticar os pacientes com COVID-19 com maior eficiência.