要約
新型コロナウイルス（COVID-19）の発生以来、世界的な感染拡大への懸念が高まっており、その早期検出は極めて重要である。迅速な診断検査は、感染者の早期同定、治療および隔離を可能にする。近年、従来のRT-PCR検査法と比較して高い精度を示す、さまざまな深層学習分類器が報告されており、有望な成果が得られている。胸部レントゲン撮影、特にX線画像を用いた手法は、疑わしいCOVID-19患者の検出に最も広く用いられる画像診断モダリティの一つである。しかし、これらの手法の性能はさらなる向上が求められている。本研究では、胸部X線（CXR）画像を用いたCOVID-19の診断を目的として、新しいキャプセルネットワーク「COVID-WideNet」を提案する。実験結果から、多層構造の判別的訓練を施した本ネットワークは、COVIDxデータセットにおいて最先端の性能を達成することが示された。特に、COVID-WideNetは、COVID-19感染患者の診断において、従来のCNNベースの手法をすべて上回る性能を発揮した。さらに、本手法は他のCNNベースのモデルと比較して、学習可能なパラメータ数が約20分の1と極めて少なく、高速かつ効率的なCOVID-19症状の診断が可能となった。その結果、受信者操作特性曲線（AUC）は0.95、正解率、感度、特異度ともに91％を達成した。この成果は、放射線技師がCOVID-19およびデルタ株を含む変異株の検出を支援する上で有効であると考えられる。