Detecção automática de casos de pneumonia por Covid-19 a partir de imagens de raio x do tórax e abordagens de Deep Learning

A Covid-19 apresenta alta taxa de transmissão e contágio, sendo que a identificação precoce de novos casos auxilia a evitar a transmissão do vírus. Isso se torna um desafio, pois os testes aplicados geralmente são feitos de forma manual e demorada. Em estudos iniciais foram encontrados casos de pacientes que apresentam anormalidades nas radiografias de tórax indicando a ocorrência desta doença. Com o estudo dessas imagens existe a possibilidade de criar modelos com recursos de aprendizagem de máquina para identificar automaticamente casos de COVID-19. Neste estudo são realizadas experimentações com arquiteturas de redes neurais convolucionais para identificar e avaliar um modelo de detecção de casos de COVID-19 com alta precisão de maneira rápida e automática. Através das experimentações realizadas é possível afirmar que o diagnóstico por imagem de casos de síndrome respiratória aguda grave com base em exames de raio X é possível, tendo sido observados resultados nos quais o modelo atinge 96% de acurácia ao analisar raio X torácico com três possíveis diagnósticos nos experimentos realizados. O diferencial deste trabalho em relação à literatura é a identificação de múltiplas categorias no diagnóstico, o que não é observado nos trabalhos estudados