الالتهاب الرئوي أحد الأسباب الرئيسية للوفيات بين الأطفال، خاصة في المناطق ذات الدخل المنخفض حول العالم. وعلى الرغم من إمكانية اكتشافه وعلاجه باستخدام أدوات طبية بسيطة جدًا وعلاجات محدودة التطور، إلا أن كشف الالتهاب الرئوي لا يزال يُعدّ تحديًا كبيرًا في البلدان النامية. يمكن استخدام أنظمة التشخيص المدعوم بالحوسبة (CAD) في هذه البلدان نظرًا لتكاليف تشغيلها المنخفضة مقارنةً بالخبراء الطبيين المحترفين. في هذا البحث، نقترح نظامًا لتشخيص الالتهاب الرئوي من خلال أشعة الصدر باستخدام مفاهيم التعلم العميق وخوارزمية متعددة التحسين (meta-heuristic). نبدأ باستخراج الميزات العميقة من نموذج ResNet50 المُدرّب مسبقًا، ثم يتم تحسينه على مجموعة بيانات الالتهاب الرئوي المستهدفة. بعد ذلك، نقترح تقنية لاختيار الميزات تعتمد على خوارزمية تطوير الجسيمات (PSO)، والتي تم تعديلها باستخدام معلمة تكيف تعتمد على الذاكرة، وتم تطويرها بدمج سلوكٍ تشاركي (أي تصرفات مساعدة) في الوكلاء. ونُطلق على طريقة اختيار الميزات المقترحة اسم "PSO التكيفية والمساعد (AAPSO)". تمكّن الطريقة المقترحة من إزالة الميزات غير المفيدة المستمدة من نموذج ResNet50، مما يعزز قدرة الإطار العام على كشف الالتهاب الرئوي. وقد أثبتت التجارب المكثفة والتحليلات الشاملة على مجموعة بيانات عامة للالتهاب الرئوي تفوق الطريقة المقترحة مقارنةً بعدة إطارات عمل أخرى تُستخدم في كشف الالتهاب الرئوي. وبالإضافة إلى كشف الالتهاب الرئوي، تم تقييم AAPSO أيضًا على عدد من مجموعات بيانات UCI القياسية، وبيانات تعبير الجينات لتنبؤ السرطان، وبيانات تنبؤ بفيروس كوفيد-19. وقد أظهرت النتائج العامة نجاحًا مرضيًا، مما يؤكد فعالية AAPSO في معالجة مشكلات حقيقية متنوعة. يمكن العثور على الشفرة الداعمة لهذا العمل على الرابط التالي: https://github.com/rishavpramanik/AAPSO