Автоматическое выявление случаев COVID-19 с использованием глубоких нейронных сетей и рентгенограмм

Новый коронавирус 2019 года (COVID-19), впервые выявленный в китайском городе Ухань в декабре 2019 года, быстро распространился по всему миру и стал причиной пандемии. Он оказал разрушительное воздействие на повседневную жизнь, общественное здоровье и мировую экономику. Для предотвращения дальнейшего распространения инфекции и своевременного лечения заболевших крайне важно как можно раньше выявлять случаи заболевания. Потребность во вспомогательных диагностических инструментах возросла, поскольку точных автоматизированных комплексов пока нет. Недавние исследования с использованием методов лучевой диагностики показали, что такие изображения содержат значимую информацию о COVID-19. Применение современных методов искусственного интеллекта в сочетании с лучевой визуализацией может повысить точность выявления заболевания, а также помочь решить проблему нехватки профильных специалистов в отдалённых сельских районах. В настоящем исследовании представлена новая модель автоматического выявления COVID-19 по исходным рентгенограммам органов грудной клетки. Предложенная модель предназначена для точной бинарной классификации (COVID-19 и отсутствие патологических изменений) и многоклассовой классификации (COVID-19, отсутствие патологических изменений и пневмония). Точность классификации составила 98,08% для двух классов и 87,02% для многоклассовой классификации. В качестве классификатора для системы обнаружения объектов в реальном времени You Only Look Once (YOLO) использовалась модель DarkNet. В модель были включены 17 свёрточных слоёв, на каждом из которых применялась отдельная фильтрация. Модель (доступна по адресу https://github.com/muhammedtalo/COVID-19) может использоваться для помощи рентгенологам при проверке результатов первичного скрининга, а также для немедленного скрининга пациентов с использованием облачных технологий.