CoroNet: глубокая нейронная сеть для выявления и диагностики COVID-19 по рентгенограммам органов грудной клетки

Введение и цель: Новый коронавирус, вызывающий COVID-19, появился в Ухане (Китай) в декабре 2019 года и распространился по всему миру. К этому времени им заразились около 1,8 млн человек, примерно 114 698 умерли. На фоне быстрого роста числа случаев во многих странах возник дефицит тест-систем и других ресурсов. Ограниченное количество тест-систем и увеличение числа новых случаев побудили нас разработать модель глубокого обучения, которая поможет рентгенологам и практикующим врачам выявлять COVID-19 по рентгенограммам органов грудной клетки.

Методы: Мы разработали CoroNet — глубокую сверточную нейронную сеть для автоматического выявления COVID-19 по рентгенограммам органов грудной клетки. Модель основана на архитектуре Xception, предварительно обученной на наборе данных ImageNet, и обучалась целиком на наборе данных, сформированном из рентгенограмм органов грудной клетки пациентов с COVID-19 и другими видами пневмонии из двух общедоступных баз данных.

Результаты: CoroNet обучили и протестировали на подготовленном наборе данных. Общая точность модели составила 89,6%. При классификации четырёх категорий (COVID-19, бактериальная пневмония, вирусная пневмония и отсутствие патологии) точность и полнота выявления COVID-19 составили 93 и 98,2% соответственно. При классификации трёх категорий (COVID-19, пневмония и отсутствие патологии) точность составила 95%. Предварительные результаты выглядят многообещающе; при увеличении объёма обучающих данных их можно улучшить.

Выводы: CoroNet показала многообещающие результаты на небольшом подготовленном наборе данных. Это указывает на то, что увеличение объёма данных может повысить точность модели при минимальной предварительной обработке. В целом предложенная модель существенно развивает существующие методы лучевой диагностики и во время пандемии COVID-19 может стать полезным инструментом для практикующих врачей и рентгенологов при диагностике, количественной оценке и динамическом наблюдении пациентов с COVID-19.