Classifying COVID-19 positive X-ray using deep learning models

Authors

Keywords:

COVID-19, x-ray image, pneumonia, Deep Learning, binary classification, multiclass classification

Abstract

COVID-19 is a pandemic characterized by uncertainty not only in transmission and pathogenicity, but also in disease-specific control options. Despite many governmental measures, the disease is spreading and in many countries, the public health system is close to be collapsed. Alternative techniques should be taken in order to minimize the COVID-19 negative impacts on the society. This work presents preliminary results of deep learning models to classify COVID-19 positive based on X-ray images. We provide binary classification (COVID-19 vs healhty, and COVID-19 vs pneumonia) and also multiclass (COVID-19 vs pneumonia vs healhty) regarding five metrics: accuracy, percision, sensibility, specificity and F1-score. Results show that VGG models present the best results, achiving 98.81\% of precision in binary classification, and 91.68\% in multiclass classification.

Downloads

Download data is not yet available.

Author Biographies

Iago Rodrigues, Universidade Federal de Pernambuco

É doutorando do Programa de Pós-graduação em Ciência da Computação da Universidade Federal de Pernambuco (UFPE). É mestre em Engenharia da Computação pela Universidade de Pernambuco (UPE). Atualmente é pesquisador do Grupo de Redes e Telecomunicações (GPRT). São suas áreas de interesse atuais: Aprendizado de máquina, processamento de imagens e visão computacional.

Guto Leoni Santos, Universidade Federal de Pernambuco

É graduado em sistemas de informação pela Universidade de Pernambuco (UPE), mestre em ciência da computação pela Universidade Federal de Pernambuco (UFPE) e aluno de doutorado em Ciência da Computação na UFPE. Faz parte do Grupo de Pesquisa em Redes e Telecomunicações (GPRT) desde 2016. Seus interesses de pesquisa incluem: computação em nuvem, avaliação de desempenho, Internet das Coisas, fog computing, 5G, machine learning e deep learning.

Djamel F.H. Sadok, Universidade Federal de Pernambuco

É professor do Centro de Infomática da Universidade Federal de Pernambuco (UFPE) desde 1993. Seus interesses de pesquisa incluem sistemas de comunicação, segurança de redes, computação em nuvem e aprendizagem de máquina. Atualmente, ele lidera o Grupo de Pesquisa em Redes de Computadores e Telecomunicações (GPRT) e coordena uma série de projetos de pesquisa.

Patricia Takako Endo, niversidade de Pernambuco

É professora adjunta da Universidade de Pernambuco (UPE), membro permanente do Programa de Pós-Graduação em Engenharia da Computação da UPE e pesquisadora no Grupo de Pesquisa em Redes de Computadores e Telecomunicações (GPRT). Possui doutorado em Ciência da Computação pela Universidade Federal de Pernambuco (UFPE) e suas áreas de interesse são: cloud computing, gerenciamento de recursos, deep learning e análise de dados de saúde.

Downloads

Published

2021-06-08

How to Cite

Rodrigues, I., Santos, G. L., Sadok, D. F., & Endo, P. T. (2021). Classifying COVID-19 positive X-ray using deep learning models. IEEE Latin America Transactions, 19(6), 884–892. Retrieved from https://latamt.ieeer9.org/index.php/transactions/article/view/4202

Issue

Vol. 19 No. 6 (2021): Special Issue on Fighting Against COVID-19

Section

Special Issue on Fighting against COVID-19