COVID–XR: A Web Management Platform for Coronavirus Detection on X-ray Chest Images

Authors

Keywords:

covid-19, web-platform, x-ray chest, deep learning

Abstract

COVID-19 is an infectious disease caused by the
SARS-CoV-2 virus. Its symptoms are similar to those of the common flu, including fever, cough, dyspnea, myalgia, and fatigue. Due to its rapid expansion globally, the World Health Organization (OMS) declared it a pandemic. The molecular test
commonly used worldwide for direct detection of the virus is the RT-PCR test but it takes time to process and the materials used are scarce. In this work we propose: (a) The design and implementation of a deep neural network architecture for the detection of patients with COVID-19 using as input X-ray images
of the chest; the architecture is made up of a feature extraction phase, that is, a pre-trained model VGG16 extracts the features of the image; then in the second phase, a multilayer neural network classifies into one of two particular classes (1: COVID,
0: NO COVID). (b) The implementation of a Web platform that allows interested people to use our architecture in a clear, simple and transparent way. The deep learning algorithm was implemented in Python with specific libraries for the design of
neural networks, while the Web platform was implemented in PHP using the Laravel framework and MySQL database. We evaluate the performance of our proposal using the sensitivity, specificity and area under the curve (AUC) evaluation metrics, obtaining good results in very short computational times.

Author Biographies

Eduardo Xamena, DI-FCE-UNSa

Doctor en Ciencias de la Computación. Investigador Asistente de CONICET, en el Instituto de Investigaciones en Ciencias Sociales y Humanidades (ICSOH) - CONICET - Universidad Nacional de Salta (UNSa), e Investigador Categoría IV del Programa de Incentivos de la Secretaría de Políticas Universitarias (SPU). Docente Universitario en la Facultad de Ciencias Exactas - UNSa. Desarrolló su Doctorado en temas relacionados a la Recuperación de Información y a la Ingeniería. En la actualidad lleva a cabo diversas investigaciones en temáticas que involucran Machine Learning, Procesamiento del Lenguaje Natural y Minería de Datos, para la extracción de información relevante en los campos de la Historia Argentina y los grandes volúmenes de información de la Justicia Provincial (Salta). También dirige trabajos sobre extracción de textos provenientes de manuscritos históricos en condiciones de deterioro y recuperación de información sobre grandes volúmenes de textos digitales originados en el ámbito de la Justicia.

Cristian Alejandro Martínez, DI-FCE-UNSa

Dr. en Ciencias de la Computación (UBA) y Esp en Docencia Universitaria (UNSa). Investigador Categoría III del Programa de Incentivos de la Secretaría de Políticas Universitarias. Sus áreas de interés en investigación son Optimización, Minería de Datos y Procesamiento de Imágenes. Actualmente es Profesor Asociado del Departamento de Informática de la Universidad Nacional de Salta (UNSa) y dicta materias relacionadas con Optimización, Minería de Datos y Desarrollo Móvil.

Diego Alejandro Rodríguez, DI-FCE-UNSa

Dr. en Ciencias de la Computación, Universidad Nacional del Sur. Lic. en Análisis de Sistemas, Universidad Nacional de Salta. Investigador Categoría IV de acuerdo a la Secretaría de Políticas Universitarias SPU. Grupo de Investigación Optimización. Entre sus áreas de interés se destacan Optimización Combinatoria e Inteligencia Artificial. Se desempeña como profesor Adjunto en el Departamento de Informática. Universidad Nacional de Salta.

Downloads

Published

2020-09-16

Issue

Section

Special Issue on Fighting against COVID-19
Bookmark and Share