COVID-19 वर्गीकरण के लिए छाती के एक्स-रे चित्रों के आधार पर गहन शिक्षण-आधारित दृष्टिकोणों का मूल्यांकन

COVID-19, नया कोरोनावायरस या SARS-Cov-2, ने दुनिया भर में लाखों लोगों को प्रभावित करते हुए सैकड़ों हजारों जिंदगियों का दावा किया है, जिसमें मौतों और संक्रमणों की संख्या तेजी से बढ़ रही है। गहरे संकेंद्रित न्यूरेल नेटवर्क (DCNN) ने चिकित्सा छवियों सहित छवि वर्गीकरण कार्य के लिए एक बड़ा मील का पत्थर साबित हुआ है। अत्याधुनिक मॉडलों का ट्रांसफर लर्निंग अपर्याप्त डेटा समस्या से निपटने का एक कुशल तरीका साबित हुआ है। इस पेपर में, आठ पूर्व-प्रशिक्षित मॉडलों का विस्तृत मूल्यांकन प्रस्तुत किया गया है। इन मॉडलों का प्रशिक्षण, मान्यकरण, और परीक्षण पांच विशिष्ट वर्गों के छाती के एक्स-रे (CXR) चित्रों पर किया गया, जिसमें कुल 760 चित्र शामिल हैं। छवि नेट डेटासेट में पूर्व-प्रशिक्षित फाइन-ट्यून किए गए मॉडल, गणनात्मक रूप से कुशल और सटीक थे। फाइन-ट्यून किया गया DenseNet121 ने स्वस्थ, बैक्टीरियल न्यूमोनी, COVID-19, और वायरल न्यूमोनी के चार वर्गों के वर्गीकरण के लिए 98.69% की परीक्षण सटीकता और 0.99 का मैक्रो f1-स्कोर हासिल किया, और फाइन-ट्यून किए गए मॉडलों ने स्वस्थ, COVID-19, और SARS छवियों के तीन वर्गों के वर्गीकरण के लिए उच्चतर परीक्षण सटीकता प्राप्त की। प्रयोगात्मक परिणाम दिखाते हैं कि केवल 62% कुल पैरामीटर को ऐसी सटीकता प्राप्त करने के लिए पुन: प्रशिक्षित किया गया था।