基于孟加拉数据和可解释人工智能的新冠肺炎检测综合分析

新冠肺炎是全球范围内流行且致命的疾病，对全球数百万人造成了深远影响。该疫情在公共卫生、经济稳定和社会结构方面引入了前所未有的挑战，迫使全球范围内实施大规模且多方面的健康干预。到 2024 年 4 月，孟加拉国的死亡人数约为 29,495 人，确认病例超过 200 万例。这项研究致力于利用来自孟加拉国的 4,350 张肺部 X 光片图像数据集进行新冠肺炎检测，该数据集分为四个类别：Normal、Lung-Opacity、COVID-19 和 Viral-Pneumonia。采用 ML、DL 和 TL 模型，VGG19 模型实现了惊人的 98% 准确率。使用 LIME 解释模型预测，突出影响分类决策的区域和特征。应用 SMOTE 解决类别不平衡问题。通过提供正确和错误分类的见解，本研究强调了 XAI 在提高模型透明度和可靠性方面的重要性，从而提高了从肺部 X 光片图像中进行检测的效果。