自 2020 年初流行的新冠肺炎病毒 COVID-19，患者的肺部會有間質性肺炎的情況，而做完電腦斷層攝影（以下簡稱 CT）後，判斷一張圖像往往需要不少時間和醫學專業。為了提高效率，本研究使用深度學習中卷積神經網路，製作一個分類模型，辨識圖片中是否出現肺炎情況。進而探討模型的準確度，進行調整。
本研究旨在應用深度學習協助 COVID-19 的 CT 診斷，透過 CNN訓練模型以及肺部 CT 資料集，能夠更高效率透過肺部 CT 的診斷出該患者是否罹患 COVID-19，減少醫生判斷時間，更快進行進一步治療。
1. 本研究以 VGG-16 模型得出的訓練結果達到 96% 的準確度。在不論是陽性或陰性，VGG-16 的誤判數量差異不大。整體而言 VGG-16 的訓練結果不管對陽性或陰性都有不錯的表現。
2. 未來希望能更增加判斷的準確率、使用更多的 CT 資料做機器學習、分辨間質性肺炎和支氣管肺炎。