Il Knowledge Engineering Institute (IIC) ha condotto una ricerca che analizza l’applicabilità del Deep Learning per distinguere tra le radiografie di pazienti sani, di pazienti con polmonite e di quelli che presentano polmonite a seguito di COVID-19.
L’obiettivo principale della ricerca è quello di addestrare una rete convoluzionale con immagini radiografiche di tre tipi di pazienti: senza alcuna malattia polmonare (normali), con sintomi di COVID-19 e persone con sintomi di polmonite non correlati alla COVID-19.
I sistemi di Machine Learning e Deep Learning hanno bisogno di imparare da dati, in questo caso immagini, che riflettono ciò che dovranno poi rilevare automaticamente. Per lo sviluppo di questo studio sono state utilizzate 3 fonti di dati. Dopo aver selezionato i dati, il modello di Deep Learning viene sviluppato e addestrato con gli esempi, convalidando i suoi progressi con nuovi dati. La sua efficacia viene poi misurata per classificare le radiografie con un insieme di immagini che non sono state utilizzate per l’addestramento della rete.
Testando il nuovo modello con i dati di prova, si è ottenuta un’accuratezza superiore al 94% nel rilevamento di COVID-19 nelle radiografie.
Questa ricerca è un altro esempio dell’importanza dell’Intelligenza Artificiale per individuare precocemente ed efficacemente questa malattia e applicare le relative soluzioni.
https://www.iic.uam.es/lasalud/deteccion-covid19-en-radiografias-con-deep-learning/
