Este trabalho propõe um modelo de aprendizado de máquina para classificar e detectar a presença de pneumonia a partir de uma coleção de amostras de radiografias do tórax. Ao contrário da maioria dos trabalhos que utilizam abordagens de aprendizado profundo para classificar se a imagem é de um pulmão com pneumonia ou não, ou seja, duas classes para assim alcançar um desempenho de classificação notável, este modelo utiliza Histograma de Gradientes Orientados para extrair características de uma determinada imagem de raio-X de tórax e classificá-la em três classes, determinando se uma pessoa está ou não infectada com pneumonia viral ou bacteriana. Apesar de uma maior complexidade e utilização de modelos tradicionais de aprendizado de máquina, a maior acurácia alcançada foi de 91.32% superior a de trabalhos que utilizam redes profundas e buscam resolver o mesmo grau de complexidade.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.