Implementação de Rede Neural Convolucional para classificação de imagens de Raio-X de tórax como: COVID, Pneumonia ou Normal.
Apresentação: https://youtu.be/8UGl7ZgCr2Y
O projeto foi baseado no artigo: COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images. O papper está disponível em https://paperswithcode.com/paper/covid-net-a-tailored-deep-convolutional. Já o repositório original de implementação da rede está disponível em: https://github.com/lindawangg/COVID-Net.
O proposta do projeto é treinar o modelo proposto no artigo em uma nova base de dados. O dataset escolhido foi o dataset de competição do Kaggle "SIIM-FISABIO-RSNA COVID-19 Detection", disponível em https://www.kaggle.com/c/siim-covid19-detection/data.
Os requisitos principais são:
- Tensorflow 1.13 e 1.15
- OpenCV 4.2.0
- Python 3.6
- Numpy
- Scikit-Learn
- Matplotlib
Requisitos adicionais para gerar o dataset:
- PyDicom
- Pandas
- Jupyter
Para maiores detalhes de como instalar os requisitos necessários, para gerar o dataset, baixar os modelos pré-treinados para fazer o treino, validação e inferência da COVIDNet, basta ler o README do repositório https://github.com/lindawangg/COVID-Net.
O projeto foi desenvolvido utilizando o Spyder e o Jupyter Notebook.