CHẨN ĐOÁN COVID-19 QUA X-QUANG LỒNG NGỰC BẰNG MÔ HÌNH HỌC SÂU

Tóm tắt

Do đại dịch Coronavirus 2019 (COVID-19) đã để lại những hậu quả tàn khốc trên toàn thế giới, một quy trình chẩn đoán sàng lọc hiệu quả đóng vai trò rất quan trọng trong việc hỗ trợ cho ngành y tế cộng đồng và ngăn chặn dịch bệnh. Nghiên cứu này giới thiệu một quy trình tinh chỉnh cho việc huấn luyện các mô hình dự đoán học sâu để phát hiện COVID-19 từ ảnh chụp X-quang lồng ngực, cũng như chính các kết quả mô hình thu được. Quy trình này bao gồm nhiều kỹ thuật để tránh tình trạng mô hình quá khớp và tối ưu hóa các kết quả dự đoán, chẳng hạn như tăng dữ liệu, tối ưu hóa Bayes để điều chỉnh siêu thông số, chọn trị số hiệu suất phù hợp và dừng sớm trong quá trình huấn luyện mô hình. Trên tập dữ liệu COVID-XRay-5K v3, ba kiểu mô hình ResNet50, NASNet-A-Mobile và Xception đã đạt được chỉ số AU-PRC là 0,9773, 0,9633 và 0,9003; và AU-ROC lần lượt là 0,9940, 0,9964 và 0,9812. Ở độ nhạy 98%, chúng duy trì độ đặc hiệu cao là 97,53%, 97,60% và 86,00%. Với hiệu suất như vậy, các mô hình học sâu này là những công cụ đầy hứa hẹn để hỗ trợ trong cuộc chiến chống lại đại dịch.