Аннотация:COVID-19 распространялся очень быстрыми темпами по всему миру в 2020-2021 годах,
и это требовало незамедлительных мер и исследований. В рамках данного проекта мы
обучили модель распознавать и классифицировать здоровые, заражённые пневмонией и
COVID-19 лёгкие, основываясь на рентгеновском снимке легких с точностью выше 99%,
а также попытались обучить модель определять степень поражения легких, основываясь
лишь на рентгеновских снимках, в отличие от классических методов, опирающихся на
трёхмерные сканы КТ, и научили модель сегментировать легкие.
С этой целью был собран один большой набор данных, состоящий из данных из различных открытых источников [WLW20; Coh+20; CMD20; Ker+18; Cho+20; Rah+21] в размере
20017 фотографий(для задачи классификации COVID). Для задачи прогнозирования поражения легких использовался датасет [BM20; Sig+21], состоящий из 4695 изображений.
Также в ходе поиска путей решения второй задачи возникла необходимость автоматической сегментации легких, и для этого использовался датасет [Edu18] из 704 изображений.
Обучение проходило на машине, оборудованной графическим процессором Tesla V100
16Гб и 25Гб оперативной памяти с использованием фреймворка Tensorflow Keras.