(a) 프로세서가 흉부 방사선 사진들을 메모리에 저장하는 단계;(b) 프로세서가 상기 메모리에 저장된 각각의 흉부 방사선 사진에 폐 영역에 대한 주석값을 추가하여 저장하는 단계;(c) 프로세서가 상기 방사선 사진들을 정상, 폐렴 및 COVID-19 그룹으로 분류하여 상기 메모리에 저장하는 단계; 및(d) 프로세서가 상기 메모리에 저장된 방사선 사진 중 적어도 일부를 신경망 모델에 입력하여 COVID-19 감염자 식별 모델로 학습시키는 단계;를 포함하는, COVID-19 감염자 식별 모델 학습 방법.

청구항 1에 있어서,상기 (b) 단계는, 프로세서가 U-net 모델을 이용하여 흉부 방사선 사진에서 폐영역을 분리하는 단계인, COVID-19 감염자 식별 모델 학습 방법.

청구항 1에 있어서,상기 (c) 단계는, 프로세서가 각 그룹별 학습 데이터, 유효성 검증 데이터 및 테스트 데이터로 나누어 상기 메모리에 저장하는 단계이며,상기 (d) 단계는, 프로세서가 상기 메모리에 저장된 방사선 사진 중 각 그룹별 학습 데이터를 신경망 모델에 입력하여 COVID-19 감염자 식별 모델로 학습시키는 단계인, COVID-19 감염자 식별 모델 학습 방법.

청구항 3에 있어서,상기 (c) 단계는, 프로세서가 각 그룹별 학습 데이터, 유효성 검증 데이터 및 테스트 데이터를 5:2:3의 비율로 상기 메모리에 저장하는 단계인, COVID-19 감염자 식별 모델 학습 방법.

청구항 1에 있어서,상기 신경망 모델은, 4개의　합성곱 층(Convolution Layer)으로 구성되고, 매개변수는　Batchsize = 8, Epoch = 160, Optimizer = SGD, momentum = 0.9, Learning rate (LR) = 0.0015, Validation Split = 0.2으로 설정된 것을 특징으로 하는, COVID-19 감염자 식별 모델 학습 방법.

컴퓨터에서 청구항 1 내지 청구항 5 중 어느 한 청구항에 따른 COVID-19 감염자 식별 모델 학습 방법의 각 단계들을 수행하도록 작성되어 컴퓨터로 독출 가능한 기록 매체에 기록된 컴퓨터프로그램.