COVID-CXNet：深層学習を用いた前向き胸部X線画像によるCOVID-19の検出

新型コロナウイルス感染症のスクリーニングにおける主な臨床的観察法の一つは、胸部X線画像の撮影である。多くの患者において、新型コロナウイルスによる肺炎の結果として、実質化（consolidation）を含む異常所見が胸部X線に認められる。本研究では、大規模なデータセットを用いて、深層畳み込みニューラルネットワーク（deep convolutional neural networks）を活用し、こうした肺炎の画像所見を効率的に検出することを検討した。その結果、従来の研究で多く用いられている事前学習済みネットワークの多くおよび単純なモデルは、診断判断に不要な特徴に注目していることが明らかになった。本論文では、複数のソースから得られた多数の胸部X線画像を収集し、公開可能な最大規模のデータセットを構築した。最終的に、転移学習（transfer learning）の枠組みを用いて、有名なCheXNetモデルを基盤としてCOVID-CXNetを構築した。この強力なモデルは、関連性があり意味のある特徴を正確に局所化することで、新型コロナウイルス肺炎を検出可能である。COVID-CXNetは、完全に自動化され、堅牢なCOVID-19検出システムの実現に向けて重要な一歩である。