Кваліфікаційна робота присвячена розробці та дослідженню методів комп'ютерного зору для автоматизованої діагностики захворювань легень за двовимірними рентгенівськими знімками. В процесі роботи проаналізовано масив даних COVID-19 Radiography Database (понад 21 тис. зображень). Виявлено проблему структурного міжкласового дисбалансу, для вирішення якої математично обґрунтовано використання макро-усередненої метрики повноти (Macro-Recall) та зваженої функції втрат багатокласової перехресної ентропії.
Проведено порівняльний експериментальний аналіз базової згорткової нейронної мережі (CNN) та моделі на основі глибокої архітектури ResNet50 із застосуванням парадигми перенесення навчання.
Для подолання проблеми «чорного ящика» успішно імплементовано алгоритм просторової локалізації Grad-CAM. Аналіз отриманих теплових карт підтвердив, що розроблена нейромережева система приймає рішення на основі релевантних просторових клінічних маркерів (вогнищ консолідації та зон «матового скла»). Одержані результати доводять високу предиктивну здатність розробленої системи та її придатність для використання у якості асистента підтримки прийняття медичних рішень.
