Desarrollo de un sistema de detección de covid-19 para el hospital general Puyo mediante procesamiento de patrones sonoros y temperatura

Abstract

En esta investigación se desarrolló un sistema de detección de COVID-19 para el Hospital General Puyo utilizando procesamiento de patrones sonoros y temperatura. Se determinaron los atributos característicos en grabaciones de tos, voz e imágenes térmicas para diferenciar a pacientes sanos, con gripe o COVID-19 mediante un algoritmo de aprendizaje profundo. Se recolectaron grabaciones de sonido y temperatura para cada tipo de paciente y se filtraron y analizaron con transformada de Fourier para obtener espectrogramas MEL. La imagen térmica de cada paciente fue analizada con histograma de color. Se construyó un algoritmo de respuesta utilizando parámetros de diferentes rangos de colores, niveles de frecuencia y decibelios. Se planteó un sistema de clasificación que trabaja en conjunto con el algoritmo de aprendizaje profundo. El sistema se desarrolló en Python con un ordenador de bajo costo basado en Raspberry Pi-4 con micrófonos y cámara térmica. El algoritmo basado en redes neuronales fue capaz de analizar la combinación de atributos característicos de patrones de voz, tos y temperatura con un porcentaje que contribuirá como soporte en la detección de COVID-19. La página web móvil presentará los resultados del diagnóstico efectuado por el algoritmo para identificar o descartar a los individuos infectados de manera rápida sin recurrir a pruebas de laboratorio