@article{Alvaro-Torres_Mejía Rodríguez_Campos Delgado_2021, title={Una Web Service de Diagnóstico de COVID-19 en Imágenes de Rayos-X de Tórax basado en Redes Neuronales: Diagnóstico Covid-19}, volume={8}, url={http://memoriascnib.mx/index.php/memorias/article/view/915}, abstractNote={<p>La enfermedad del coronavirus 2019 se ha extendido a una velocidad impresionante por todo el mundo, infectando a miles de personas y provocando la pandemia actual. Debido a esta crisis de salud, los gobiernos han tratado de minimizar la propagación, tomando acciones como restringir la movilidad de los ciudadanos y las interacciones en sus comunidades. La detección temprana de COVID-19 ha sido un punto clave para que los médicos restrinjan las consecuencias negativas de la enfermedad, y es crucial desarrollar esquemas de detección rápidos y precisos. Esta idea ha motivado a muchos grupos de investigación a centrar su atención en diferentes opciones para obtener herramientas de diagnóstico automáticas, rápidas y efectivas. La radiografía de tórax es una herramienta accesible para el diagnóstico clínico. Para ello, proponemos una herramienta de diagnóstico automático basada en redes neuronales, que fue entrenada y validada con una base de datos de imágenes de rayos X de acceso libre y abierto. El enfoque propuesto incluyó una etapa de procesamiento inicial para normalizar las magnitudes de intensidad en la imagen, seguida de una remodelación del tamaño para mejorar la robustez y la velocidad de procesamiento. A continuación, se entrenó y validó la red neuronal logrando una precisión superior al 96% en ambas etapas. Como parte de esta contribución, se implementó una Web Service, para que la evaluación de futuras imágenes de rayos X se pudiera realizar en línea. El servicio web propuesto incluye una verificación de coherencia de la imagen de prueba para evitar malas interpretaciones.</p>}, number={1}, journal={Memorias del Congreso Nacional de Ingeniería Biomédica}, author={Alvaro-Torres, V. and Mejía Rodríguez, A. R. and Campos Delgado, D. U.}, year={2021}, month={nov.}, pages={87–91} }