COVID-19 Detection Using Transfer Learning Approach from Computed Tomography Images

要約

この研究の主な目標は、コンピューター断層撮影（CT）画像からCOVID-19を検出するための転移学習ベースの方法を提案することです。
タスクに使用される転移学習モデルは、事前にトレーニングされたXceptionモデルです。
モデルアーキテクチャとImageNetで事前にトレーニングされた重みの両方が使用されました。
結果として得られた修正モデルは、128のバッチサイズと224×224の3チャンネルの入力画像でトレーニングされ、元の512×512のグレースケール画像から変換されました。
使用されるデータセットはCOV19-CT-DBです。
データセット内のラベルには、COVID-1919検出用のCOVID-19症例と非COVID-19症例が含まれています。
まず、データセットの検証パーティションの精度と損失、および適合率再現率とマクロF1スコアを使用して、提案された方法のパフォーマンスを測定しました。
検証セットで得られたマクロF1スコアは、ベースラインモデルを超えました。

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, Google