Актуальность и цели. Рассматривается разработка нейросетевого бинарного классификатора рентгеновских изображений грудной клетки, позволяющего обнаружить характерные признаки пневмоний, вызванных COVID-19. Приведены доводы в пользу применения рентгенографии как альтернативы компьютерной томографии при выявлении изменений в легких, характерных для COVID-19. Проведен анализ публикаций в области автоматической классификации рентгеновских изображений с признаками COVID-19 пневмоний.
Материалы и методы. Для обучения и тестирования модели использовался авторский набор данных, состоящий из 1240 рентгеновских изображений грудной клетки. Обучающая часть набора данных была подвергнута процедуре аугментации. Предложена оригинальная четырнадцатислойная модель классификатора. Обучение модели проходило в течение 20 эпох.
Результаты. Оценка качества классификации проведена при помощи стандартных метрик. Были получены следующие значения метрик: Sensitivity (Recall) - 95,4 %, Specificity - 97,8 %, Accuracy - 96,7 %, Precision - 96,6 %, F1-scope - 96 %. Дополнительное тестирование модели было проведено на 228 изображениях базы COVID-19 Radiography Database платформы Kaggle, при этом получены следующие значения метрик: Sensitivity (Recall), Specificity, Accuracy - 96 %, Precision - 93 %, F1-scope - 94 %.
Выводы. Качество классификации рентгеновских изображений грудной клетки разработанной моделью соответствует современному уровню и достаточно близко к врачебному. Разработанный классификатор может быть использован в практической рентгенологии в качестве нейросетевого ассистента врача-рентгенолога.