Model for Tuberculosis Detection Based on X-Ray Images Applying Mobilenet, Resnet-50 and CNN without Pre-defined Architecture
La tuberculosis es una enfermedad antigua y que actualmente sigue afectando a nivel mundial. Es la segunda enfermedad infecciosa más mortífera del mundo superada únicamente por la Covid, según la Organización Mundial de la Salud. Debido a esto, se propone un enfoque para la detección tuberculosis a...
| Autores: | , |
|---|---|
| Tipo de documento: | artigo |
| Estado: | Versão publicada |
| Data de publicação: | 2025 |
| País: | Perú |
| Recursos: | Universidad Nacional Mayor de San Marcos |
| Repositório: | Revistas - Universidad Nacional Mayor de San Marcos |
| Idioma: | espanhol |
| OAI Identifier: | oai:revistasinvestigacion.unmsm.edu.pe:article/31011 |
| Acesso em linha: | https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/31011 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Tuberculosis CNN Mobilenet Resnet-50 |
| Resumo: | La tuberculosis es una enfermedad antigua y que actualmente sigue afectando a nivel mundial. Es la segunda enfermedad infecciosa más mortífera del mundo superada únicamente por la Covid, según la Organización Mundial de la Salud. Debido a esto, se propone un enfoque para la detección tuberculosis a través de imágenes de radiografías de tórax, aplicando dos modelos de Deep learning más utilizadas en la literatura: “Mobilenet” y “Resnet-50” y una “CNN sin arquitectura predefinida”. El enfoque se desarrolla en 4 fases: (1) Adquisición del dataset, (2) desarrollo de los modelos mencionados, (3) la evaluación del desempeño y (4) análisis de resultados. El dataset está conformado por 1,158 imágenes de radiografías de tórax clasificadas en dos clases: “Normal” y “Tuberculosis”. Los resultados evidenciaron que el modelo “Resnet-50” tuvo un mejor rendimiento en comparación de los otros modelos, obteniendo una precisión de 97% y 89% en la detección de las clases “Tuberculosis” y “normal” respectivamente. |
|---|