A COVID–19  é uma doença de nível pandêmico que já conseguiu ceifar milhares de vidas ao redor do mundo.

Desde o início da pandemia, pesquisas vêm sendo realizadas em busca da imunização (vacina) e prognóstico por parte de pesquisadores da área Médica, e também pelo diagnóstico por parte dos pesquisadores de Engenharia, utilizando aprendizado de máquina e características comuns em pacientes infectados.  Neste trabalho se encontra uma  revisão  teórica  com  as  principais  técnicas  disponíveis  para  construção  de  um  sistema robusto com o propósito de diagnosticar a doença por meio da análise de imagens,utilizando técnicas e algoritmos de aprendizado de máquina e aprendizado profundo. A  metodologia  consiste  em  três  etapas  basicamente,  a  primeira  etapa  realiza  o pré-processamento das imagens, que consiste na extração da região de interesse da imagem(segmentação), para que na segunda etapa que é o treinamento dos modelos classe-especialistas,  a rede neural receba somente a  ́area da imagem extraída pelo método de segmentação, sendo ele por um modelo de aprendizado profundo, ou por algoritmos automáticos.  A terceira e última etapa consiste na junção de modelos utilizando do conceito ”dividir para conquistar”, em que o problema de diversas classes é dividido em problemas menores, e ao final do treinamento de todos os modelos, a união forma um conjunto preditor (Ensemble).  Por fim, alguns resultados preliminares são apresentados, referentes à etapa de segmentação.