흉부 X선 데이터를 활용한 COVID-19 탐지를 위한 심층 GRU-CNN 모델

현재 시대에서 데이터는 스마트 디바이스의 발전으로 인해 기하급수적으로 증가하고 있습니다. 데이터 과학자들은 의료 데이터의 기본 패턴을 식별하기 위해 다양한 학습 기반 기법을 적용하여 여러 건강 관련 문제를 해결합니다. 이러한 맥락에서 자동화된 질병 탐지는 이제 의학의 중심 문제로 떠올랐습니다. 이러한 접근 방식은 정확하고 시기적절한 진단을 통해 사망률을 줄일 수 있습니다. COVID-19는 전 세계적으로 퍼진 현대 바이러스로 수백만 명의 사람들에게 영향을 미치고 있습니다. 많은 국가들은 사례의 급증으로 인해 검사 키트, 백신 및 기타 자원 부족 문제에 직면해 있습니다. 검사 과정을 가속화하기 위해 전 세계의 과학자들은 바이러스 탐지를 위한 새로운 방법을 개발하려고 노력해왔습니다. 본 논문에서는 흉부 X선(CXR) 이미지에서 바이러스 질병을 탐지하기 위해 컨볼루션 신경망(CNN)과 게이트 순환 유닛(GRU)을 기반으로 한 하이브리드 심층 학습 모델을 제안합니다. 제안된 모델에서는 CNN이 특징을 추출하는 데 사용되고, GRU가 분류기로 사용됩니다. 이 모델은 COVID-19, 폐렴 및 정상의 세 가지 클래스가 포함된 424개의 CXR 이미지로 훈련되었습니다. 제안된 모델은 각각 정밀도, 재현율 및 F1-score 측면에서 0.96, 0.96 및 0.95라는 고무적인 결과를 달성했습니다. 이러한 발견은 심층 학습이 X선 스캔 분석을 통해 COVID-19의 조기 탐지에 어떻게 크게 기여할 수 있는지를 나타냅니다. 이러한 지표는 질병의 영향을 완화할 수 있는 길을 열어줄 수 있습니다. 우리는 이 모델이 조기 진단을 위한 의료 종사자에게 효과적인 도구가 될 수 있다고 믿습니다.