CovNet-UFCSPA: auxiliando no diagnóstico de pneumonia por coronavírus
Rattachement africain : Somalie, ag, br. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Objective: This study introduces the CovNet-UFCSPA architecture, which incorporates pre-processing data from clinical images (X-rays) and deep learning algorithms. Method: A total of 24,235 images were used for training, validation, and testing of the model, identifying areas in the X-rays that influence the model's decision. Result: The architecture achieved a recall of 99% in classifying X-rays from patients at the Hospital de Clínicas de Porto Alegre (HCPA). The application of the CLAHE technique improved the region of interest in the X-rays, reducing the false negative rate from 187 to 9. Conclusion: Compared with Resnet50 V2 and Inception V3 architectures, CovNet-UFCSPA demonstrated superiority in false negative rates, true positives, and recall.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- CovNet-UFCSPA: auxiliando no diagnóstico de pneumonia por coronavírus CovNet-UFCSPA: assisting in the diagnosis of pneumonia by coronavirus CovNet-UFCSPA: ayudando en el diagnóstico de neumonía por coronavirus
- Date Crossref
- 19/11/2024
- Éditeur
- Sociedade Brasileira de Informática em Saúde
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.