Covid-19 Detection Using transfer Learning Approach from Computed Temography Images

要約

本研究の主な目的は、コンピュータ断層撮影（CT）画像からのCOVID-19検出のための伝達学習に基づいた方法を提案することである。このタスクに用いられる伝達学習モデルは、事前に学習されたXceptionモデルである。モデルのアーキテクチャとImageNet上で事前に学習された重みの両方が用いられた。得られた修正モデルは、128バッチサイズと、元の512×512、グレースケール画像から変換された224×224、3チャンネル入力画像で学習されました。使用したデータセットは、COV19-CT-DBである。データセットのラベルには、COVID-19の検出のためのCOVID-19のケースとNon-COVID-19のケースが含まれている。まず、提案手法の性能を測定するために、データセットの検証用パーティションにおける精度と損失、および、精度と再現率とマクロF1スコアを用いた。その結果、検証セットでのマクロF1スコアは、ベースラインモデルを上回った。

要約(オリジナル)

Our main goal in this study is to propose a transfer learning based method for COVID-19 detection from Computed Tomography (CT) images. The transfer learning model used for the task is a pretrained Xception model. Both model architecture and pre-trained weights on ImageNet were used. The resulting modified model was trained with 128 batch size and 224×224, 3 channeled input images, converted from original 512×512, grayscale images. The dataset used is a the COV19-CT-DB. Labels in the dataset include COVID-19 cases and Non-COVID-19 cases for COVID-1919 detection. Firstly, a accuracy and loss on the validation partition of the dataset as well as precision recall and macro F1 score were used to measure the performance of the proposed method. The resulting Macro F1 score on the validation set exceeded the baseline model.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL