Classification of COVID-19 on chest X-Ray images using Deep Learning model with Histogram Equalization and Lungs Segmentation

要約

背景と目的：生物医学分析と組み合わせた人工知能（AI）手法は、医療システムや医師からの圧倒的な圧力を解放するのに役立つため、パンデミックの際に重要な役割を果たします。
ブラジルやインドのように人口密度が高く、検査キットが不十分な国では、進行中のCOVID-19危機が悪化するため、放射線画像はcovid-19患者を正確に分類し、必要な治療を適時に処方するための重要な診断ツールとして機能します。
この動機で、胸部X線を使用してcovid-19に感染した肺を検出するための深層学習アーキテクチャに基づく研究を紹介します。
データセット：健康な肺、通常の肺炎、およびcovid-19感染性肺炎の3つの異なるクラスラベルについて、合計2470枚の画像を収集しました。そのうち、470枚のX線画像はcovid-19カテゴリに属します。
方法：最初に、ヒストグラム均等化手法を使用してすべての画像を前処理し、U-netアーキテクチャを使用してそれらをセグメント化します。
次に、VGG-16ネットワークを使用して、前処理された画像から特徴を抽出します。この画像は、SMOTEオーバーサンプリング手法によってさらにサンプリングされ、バランスの取れたデータセットを実現します。
最後に、クラスバランスのとれた特徴は、10分割交差検定を備えたサポートベクターマシン（SVM）分類器を使用して分類され、精度が評価されます。
結果と結論：よく知られた前処理技術、特徴抽出法、データセットバランシング法を組み合わせた新しいアプローチにより、2470個のX線画像のデータセットに対してCOVID-19画像の認識率が98％と非常に高くなりました。
。
したがって、私たちのモデルは、スクリーニング目的で医療施設で利用するのに適しています。

要約(オリジナル)

Background and Objective: Artificial intelligence (AI) methods coupled with biomedical analysis has a critical role during pandemics as it helps to release the overwhelming pressure from healthcare systems and physicians. As the ongoing COVID-19 crisis worsens in countries having dense populations and inadequate testing kits like Brazil and India, radiological imaging can act as an important diagnostic tool to accurately classify covid-19 patients and prescribe the necessary treatment in due time. With this motivation, we present our study based on deep learning architecture for detecting covid-19 infected lungs using chest X-rays. Dataset: We collected a total of 2470 images for three different class labels, namely, healthy lungs, ordinary pneumonia, and covid-19 infected pneumonia, out of which 470 X-ray images belong to the covid-19 category. Methods: We first pre-process all the images using histogram equalization techniques and segment them using U-net architecture. VGG-16 network is then used for feature extraction from the pre-processed images which is further sampled by SMOTE oversampling technique to achieve a balanced dataset. Finally, the class-balanced features are classified using a support vector machine (SVM) classifier with 10-fold cross-validation and the accuracy is evaluated. Result and Conclusion: Our novel approach combining well-known pre-processing techniques, feature extraction methods, and dataset balancing method, lead us to an outstanding rate of recognition of 98% for COVID-19 images over a dataset of 2470 X-ray images. Our model is therefore fit to be utilized in healthcare facilities for screening purposes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google