Konvolutionel neural netværksmodel til at opdage Coronavirus Disease 2019 (COVID-19) lungebetændelse i røntgenbilleder af thorax (RedNeumon)

For at differentiere coronavirus disease 2019 (COVID-19) lungebetændelse fra andre typer lungebetændelse, skal ekspertradiologer analysere thorax røntgen (CXR) for at identificere visuelle, radiografiske mønstre forbundet med alvorligt akut respiratorisk syndrom coronavirus 2 (SARS-CoV-2) infektion. Det er udfordrende, fordi resultaterne er ens for forskellige typer lungebetændelse.

Da den manuelle diagnose af COVID-19 fra CXR er en vanskelig og tidskrævende proces, er anvendelsen af ​​deep learning (DL)-modeller til medicinsk billedanalyse et aktuelt forskningsemne. Dette arbejde vil udvikle et nyt Convolutional Neural Network (CNN) til at opdage COVID-19 røntgenbilleder. Det vil bruge et stort datasæt af røntgenbilleder af thorax klassificeret i tre klasser: viral/bakteriel lungebetændelse, COVID-19 lungebetændelse og normale billeder. Undersøgelsen har til formål at inkorporere et nyt opmærksomhedsmodul, der anvender CNN'er til den lineære projektionsoperation for at hjælpe med at differentiere COVID-19 lungebetændelse fra anden lungebetændelse og normale røntgenbilleder af thorax i klinisk praksis.