Otimizando uma CNN baseada em DenseNet para o diagnóstico de COVID19

O principal método utilizado para o diagnóstico de COVID-19 é o RT-PCR, mas esse método ainda leva de 1 a 3 dias para gerar resultados, por isso se fazem necessários métodos que façam um diagnóstico rápido e efetivo do vírus. Um desses métodos que se mostra bastante eficiente é a utilização de Convolutional Neural Networks, que podem fazer o diagnóstico da doença por meio de radiografias do tórax ou tomografias computadorizadas. Assim, o nosso trabalho avalia a utilização do algoritmo Tree-structured Parzen Estimator para realizar a otimização de um modelo CNN especializado no diagnóstico de COVID-19 baseada na arquitetura DenseNet. Assim, o modelo construído neste trabalho atingiu um resultado promissor com uma acurácia de 96%, demonstrando a efetividade da utilização do algoritmo de otimização na construção da rede.