
La Inteligencia Artificial ha ayudado a lidiar con diferentes problemas relacionados con los datos masivos y a su vez con su tratamiento, diagnóstico y detección de enfermedades como la que actualmente nos preocupa, la COVID-19. El objetivo de esta investigación ha sido analizar y desarrollar la clasificación de imágenes de neumonía a causa de COVID-19 para un diagnostico efectivo y óptimo. Se ha usado Transfer-Learning aplicando ResNet, DenseNet, Poling y Dense layer para la elaboración de los modelos de red propios Covid-UPeU y Covid-UPeU-TL, utilizando las plataformas Kaggle y Google colab, donde se realizaron 4 experimentos. El resultado con una mejor clasificación de imágenes se obtuvo en el experimento 4 prueba N°2 con el modelo Covid-UPeU-TL donde Acc.Train: 0.9664 y Acc.Test: 0.9851. Los modelos implementados han sido desarrollados con el propósito de tener una visión holística de los factores para la optimización en la clasificación de imágenes de neumonía a causa de COVID-19.
Vea el artículo completo:
El N.º 3 / 2022 del Boletín Ecimed se encuentra ya publicado en el
Los tumores del parénquima renal representan aproximadamente del 2-3 % de los tumores del adulto y el 85 % de los tumores primarios del riñón. Se observa una incidencia aumentada de tumores del parénquima renal de forma variable en el mundo y en Cuba en los últimos años. Es en todo el mundo el cáncer más mortal de las vías urinarias.


