Detector de COVID-19 usando imágenes de Rayos X
Si te dijera que puedes hacer tu propio modelo de visión computacional, sin tener conocimientos previos en programación, ¿me creerías?
Quiero explicarte como puedes aplicar un algoritmo de clasificación para cualquier tema de interés, en este caso nos orientaremos a las pruebas realizadas de casos positivos del covid-19, teniendo como dataset imágenes de algunas radiografías.
El dataset con el cual estaremos trabajando es tomado del siguiente repositorio https://github.com/ieee8023/covid-chestxray-dataset, esta base de datos se encuentra en construcción y día tras día le estarán agregando más datos.
Una vez descargado el repositorio nos dirigimos a la carpeta imágenes, guardamos todas las imágenes dominadas covid-19, esta es una de las radiografías con respecto al virus.
Teachable machine es una herramienta que nos permite realizar nuestros propios algoritmos de clasificación, (si quieres saber más sobre esta herramienta visita el siguiente enlace teachablemachine.withgoogle.com)
Su interfaz luce de la siguiente manera.
Como se puede observar podemos crear 3 clases de proyectos con respecto algoritmos de clasificación, imágenes, audio, actitud.
Nuestro proyecto estará enfocado en imágenes, por defecto encontraremos 2 clases de grupos, el número de grupos será establecido según la necesidad del proyecto, en nuestro caso utilizaremos solamente 2.
Cuando trabajamos con algoritmos de predicción, debemos tener en cuenta que necesitamos saber con respecto a nuestra base de datos, como se van a distribuir nuestras imágenes, en nuestra variable train debemos tener 2 carpetas, una denominada Covid y otra noCovid.
En nuestra carpeta covid guardamos todas las imágenes que tengan la etiqueta covid-19, en nuestra carpeta noCovid tendremos imágenes de otras radiografías sin covid-19, es importante aclarar que por el momento solo contamos con 21 imágenes con casos positivos.
Como vamos a necesitar una imagen de validación para que el algoritmo nos clasifique su clase, creamos otra carpeta que se llame validation, donde le pasaremos una sola imagen de un caso positivo, esta imagen no debe estar en nuestra carpeta covid, ya que es con la que vamos a validar si el algoritmo está clasificando bien, si no la sacamos de la carpeta covid nos va a arrogar una probabilidad de 100% de caso positivo.
Ahora podemos empezar a importar nuestras imágenes a nuestras 2 clases.
Al modelo le pasamos nuestra imagen de valitation para que la clasifique según los datos de entrenamiento.
Nos da como resultado el 97 % como caso positivo de coronavirus, debemos tener presente que no contamos con una base de datos de miles de imágenes, esto quiere decir que el algoritmo no es de total confianza, ya que solo lo alimentamos con 20 imágenes con casos positivos, esto es una pequeña prueba de lo que se puede llegar hacer con algoritmos de clasificación.
El siguiente paso es que tú hagas tu propio proyecto, o puedes buscar más base de datos de radiografías y mejorar esta prueba.
¿Está listo para ir más lejos? 🚀
- Aprende como desplegar un modelo de Machine Learning con FastAPI https://sergiorubiano.medium.com/desplegar-modelo-de-machine-learning-con-fastapi-905198dbd91
