Detecção da Covid-19 por meio de Redes Neurais Convolucionais

Resumo

Diante de todo impacto do coronavírus, alguns trabalhos buscando a detecção da Covid-19 por meio de imagens foram publicados. Em alguns deles, utilizou-se redes neurais para a classificação de imagens em três grupos de pacientes: saudáveis, pneumonia e pneumonia por Covid-19. Neste trabalho essa classificação também é utilizada, com o mesmo conjunto de dados dos artigos [4, 7]. Redes Neurais Convolucionais [CNNs] são um tipo de rede especializada em processamento de dados que tem uma topologia do tipo grade, como séries temporais (grade em uma dimensão) e dados de imagem (grade em duas dimensões) [2]. As imagens utilizadas neste trabalho são oriundas da plataforma Kaggle [1], em que o conjunto de treino é constituído de 460 imagens de raios-x de pacientes com Covid-19, 1266 sem doença pulmonar (normal), e 3418 com pneumonia (total de 5144 arquivos). O conjunto de teste é constituído de 116 imagens com Covid-19, 317 com pulmão normal, e 855 com pneumonia, totalizando 1288 imagens. Na implementação utilizamos um conjunto de validação igual a 20% do conjunto de treino. Foram desenvolvidas uma rede convolucional simples, uma com dropout, e uma com dropout e data augmentation. Foram feitas 5 repetições para cada rede, trocando a semente aleatória inicial de cada uma, a fim de manter a equidade da amostra de dados e inicialização das repetições. Os resultados obtidos são apresentados a seguir: Rede convolucional simples: primeira camada de convolução com 32 filtros, dimensão do kernel igual a 3, e função de ativação ReLu. Camada densa com dimensão de saída de 32. Total de parâmetros: 31.361.027. O número médio de épocas atingidos foi 14 (± 4,64) de 25. Os valores das acurácias estão na Tabela 1, concluímos que há uma variação significativa nos valores, evidenciando a ocorrência de overfitting. Porém a acurácia no conjunto de validação foi muito satisfatória. Rede convolucional com dropout: primeira camada de convolução com 32 filtros, dimensão do kernel igual a 3, e função de ativação ReLu. Camada densa com dimensão de saída igual a 32. Dropout igual a 0,1. Total de parâmetros: 31.361.027.