ImpactU Versión 3.11.2 Última actualización: Interfaz de Usuario: 16/10/2025 Base de Datos: 29/08/2025 Hecho en Colombia
Efecto de la aplicación de pre-procesamiento de imágenes en el rendimiento de redes neuronales convolucionales para la clasificación de pacientes con COVID-19 y neumonía a partir de imágenes de radiografías de tórax
En este trabajo se realiza un estudio del efecto de aplicar pre-procesamiento de imáagenes de rayos-X en tórax en el rendimiento de redes neuronales convolucionales, para diagnosticar pacientes con COVID-19, neumonía y sin ninguna de estas dos enfermedades (normal). Los pre-procesamientos de las im´agenes que se han escogido son la ecualizaci´on de histograma (Global y Adaptativo limitado por contraste, CLAHE) y el pseudocoloreado (HSV y JET). Las arquitecturas de redes neuronales escogidas son VGG16, ResNet50, MobileNet y Xception. Utilizando el valor promedio del Accuracy, la arquitectura que presenta mejor rendimiento es MobileNet (90,52 %), seguida de ResNet50 (78,04 %), VGG16 (69,41 %) y Xception (60,94 %). Sin embargo, cuando se realiza pre-procesamento la arquitectura que mejor rendimiento presenta es ResNet50 (99,96 %), seguida de MobileNet (99,79 %), VGG16 (95,79 %) y Xception (88,31 %). Con todas las arquitecturas el rendimiento es mejor cuando se realiza CLAHE.
