This study explores the use of transfer learning in enhancing pulmonary disease detection from computed tomography (CT) scans, focusing on the adaptation of a convolutional neural network (CNN) for generating CT slice embeddings. Dataset includes CT images of COVID-19 patients, healthy individuals, and those with community-acquired pneumonia. A multi-class classification network from our prior research was augmented to produce embedding vectors of given CT slices. Transfer learning played a pivotal role, wherein we reused and froze the convolutional layers of the original network, directing our training efforts on the new embedding output layer. To ensure the production of distinctive vectors, triplet loss was employed. Embeddings produced with acquired network were then utilized to train a KNeighborsClassifier, which achieved an accuracy of 0.987 in multi-class classification. This performance, supported by a detailed confusion matrix, signifies the effectiveness of our approach in medical diagnostics. Achieved results, while preliminary, demonstrate the potential of embedding-based classification systems in CT scan analysis, especially for COVID-19 diagnostics. Ref. 9, pic. 2

У даному досліджені розглянуто використання передавального навчання для покращення виявлення захворювань легень за допомогою комп'ютерної томографії (КТ). Розроблену у попередньому досліджені згорткову нейронну мережудля мультикласової класифікації було доповнено та дотреновано для створення вкладених представлень КТ-зрізів. Згорткові шари нейронної мережі було заморожено, а решту – замінено рядом шарів для виводу векторного представлення знімку, які і були дотреновані у даному дослідженні. Для забезпечення створення розрізнених векторівбуло обрано використати triplet loss. Вкладені представлення, створені з отриманою мережею, було використано для навчання класифікатора KNeighborsClassifier, який досяг точності 0.987 у багатокласовій класифікації. Отримані результати, хоча й є попередніми, демонструють потенціал систем класифікації на основі вкладених представлень у аналізі КТ-сканування, особливо для діагностики COVID-19. Бібл. 9, іл. 2