| Sumario: | Muchos países están luchando por los recursos de detección de COVID-19, lo que plantea la necesidad de sistemas de diagnóstico automáticos y de bajo costo que puedan ayudar a diagnosticar y que se pueda realizar una gran cantidad de pruebas rápidamente. En lugar de depender de un solo método, se pueden utilizar la inteligencia artificial y enfoques basados e n múltiples sensores para decidir la predicción del estado de salud del paciente. La temperatura, el nivel de saturación de oxígeno, la radiografía de tórax y el sonido de la tos se pueden analizar para la detección rápida. El enfoque de múltiples sensores es más confiable y una persona puede ser analizada en múltiples dimensiones de características. Los modelos de aprendizaje profundo se pueden entrenar con múltiples imágenes de rayos X de tórax que pertenecen a diferentes categorías para diferentes condiciones de salud, es decir, saludable, COVID-19 positivo, neumonía, tuberculosis, etc. El modelo de aprendizaje profundo extraerá las características de las imágenes de entrada y en base a eso, las imágenes de prueba se clasificarán en diferentes categorías. De manera similar, el sonido de la tos y la conversación corta se pueden entrenar en una red neuronal convolucional y, después de un entrenamiento adecuado, las muestras de voz de entrada se pueden diferenciar en diferentes categorías. Los enfoques basados en materiales artificiales pueden ayudar a desarrollar un sistema que funcione de manera eficiente a bajo costo.
|
|---|