要約
新型コロナウイルス、重症急性呼吸器症候群コロナウイルス2（SARS-CoV-2）は世界中に広がり、世界的なパンデミックを引き起こすほど状況に大きな変化をもたらし、世界の健康と安定に深刻な影響を及ぼした。このウイルスはRNAウイルスであり、人間だけでなく動物にも感染することができる。ウイルスの早期診断は、重症COVID-19の流行を抑制・回避する上で極めて重要である。現在、逆転写ポリメラーゼ連鎖反応（RT-PCR）や血清学的検査などの薬物技術および診断手法は、時間と費用がかかる上、正確な分析を行うためには高度に整備されたラボ環境を必要とし、誰もが利用できるわけではないという制限がある。近年、ディープラーニングは急速に注目を集め、画像分類分野、特に医療画像分野において重要な役割を果たしている。本研究では、胸部CTスキャンを用いて、COVID-19感染患者と健康な個体を自動的に識別する問題に取り組む。コンボリューショナルニューラルネットワーク（CNN）は、コンピュータ断層撮影（CTスキャン）におけるパターンを学習・検出できる。本研究では、胸部CTスキャンにおける変化を識別するために複数のCNNモデルを用い、分類精度は91％から98％の範囲で達成された。これらのアーキテクチャは、多クラス分類法を用いて構築された。また、本研究では、2つのバイナリ分類を組み合わせて連携させる新しいCT画像分類アプローチを提案し、98.38％の高精度を達成した。これらのすべてのアーキテクチャの性能は、さまざまな分類評価指標を用いて比較された。