胸部X線画像を用いたCOVID-19感染肺炎診断のための深層学習モデル

肺炎の原因の正確で早期の検出は、迅速な治療と予防戦略の実施、感染の負担の軽減、より効果的な介入方法の確立に重要です。COVID-19の発生後、肺炎の新規症例や急性呼吸窮迫症候群と呼ばれる呼吸問題の症例が増加しています。CXR（胸部X線）は、指定された機関や病院でCOVID-19感染肺炎を診断するための重要な情報源となっています。医師や医療専門家が肺炎を迅速かつ信頼性のある方法で診断できるよう、自動化されたコンピュータシステムの開発が不可欠です。本研究では、X線画像を用いて肺炎を迅速かつ容易に検出するための深層学習（DL）に基づくコンピュータ支援診断システムを提案します。分類精度の向上とモデルの迅速な変換のために、VGG19やResNet50などのよく知られたDLモデルを使用した転移学習と並列処理技術を採用します。COVID-QU-ExデータセットのX線画像に対して、COVID-19感染肺炎、非COVID-19感染（他のウイルス性および細菌性肺炎）、正常（未感染）画像の3クラスで実験を行います。提案されたモデルは、平均分類精度96.6%を達成し、比較した方法論を上回りました。実験結果は、提案された方法がX線画像を用いた肺炎の診断に効果的であることを示しています。