La pandemia de COVID-19 es uno de los brotes más disruptivos del siglo XXI considerando sus impactos en nuestras libertades y estilo de vida social. Varios métodos se han utilizado para monitorear y diagnosticar este virus, que incluye el uso de pruebas de RT-PCR y escáneres de tórax CT/CXR. Estudios recientes han empleado varios tipos de datos de sonido de crowdsourcing como tos, respiración, estornudos, etc., para la detección de COVID-19. Sin embargo, la aplicación de métodos de inteligencia artificial y algoritmos de aprendizaje automático en estos conjuntos de datos de sonido todavía presenta algunas limitaciones como el bajo rendimiento de los resultados de las pruebas debido al aumento de datos mal clasificados, conjuntos de datos limitados que resultan en el sobreajuste de los métodos de aprendizaje profundo, el alto costo computacional de algunos modelos de aumento y la variación de la calidad de las imágenes extraídas de características que resultan en una baja fiabilidad. Proponemos un modelo de aprendizaje profundo simple pero efectivo, llamado DeepShufNet, para la detección de COVID-19. Se utilizó un método de aumento de datos basado en la transformación de color y la adición de ruido para generar conjuntos de datos de imágenes sintéticas a partir de datos de sonido. La eficiencia del conjunto de datos sintéticos se evaluó utilizando dos enfoques de extracción de características, a saber, espectrograma Mel y GFCC. El rendimiento del modelo DeepShufNet propuesto se evaluó utilizando un conjunto de datos de respiración profunda COSWARA, que muestra un rendimiento mejorado con una tasa de clasificación errónea más baja de la clase minoritaria. El modelo propuesto logró una precisión, recall, especificidad y puntuación F de 90,1%, 77,1%, 62,7%, 95,98% y 69,1%, respectivamente, para la detección positiva de COVID-19 utilizando los conjuntos de entrenamiento aumentados de Mel COCOA-2. El modelo propuesto mostró un rendimiento mejorado en comparación con algunos de los métodos más avanzados.