COVID-19 Detection Using Segmentation, Region Extraction and Classification Pipeline

要約

目的 本研究の主な目的は、コンピュータ断層撮影（CT）画像の大規模かつ困難なデータベースから、COVID-19を検出するためのパイプラインを提案することである。提案するパイプラインは、セグメンテーション部、関心領域抽出部、分類器部を含む。方法 セグメンテーション部では、従来のセグメンテーション手法に加え、UNet ベースのセグメンテーションを使用する。分類部では、Convolutional Neural Network (CNN)を用いて、最終的な診断判定を行った。結果 提案するセグメンテーション手法は、一般に公開されているデータセットに対して高いダイススコアを示した。また、分類部では、COV19-CT-DBデータセットの検証部において、高い精度、再現率、マクロF1スコアが得られることがわかった。また、分類の結果は、同じデータセット上だけでなく、我々の過去の作品他の研究とも比較した。結論 本論文の改良により、CT画像によるCOVID-19の検出と診断のための臨床的利用の可能性を持つ効率的なパイプラインが提案されました。 コードは github の https://github.com/IDU-CVLab/COV19D_3rd にあります。

要約(オリジナル)

Purpose The main purpose in this study is to propose a pipeline for COVID-19 detection from a big and challenging database of Computed Tomography (CT) images. The proposed pipeline includes a segmentation part, a region of interest extraction part, and a classifier part. Methods The methodology used in the segmentation part is traditional segmentation methods as well as UNet based segmentation. In the classification part a Convolutional Neural Network (CNN) was used to take the final diagnosis decisions. Results In the segmentation part, the proposed segmentation methods show high dice scores on a publicly vailable dataset. In the classification part, the results show high accuracy on the validation partition of COV19-CT-DB dataset as well as higher precision, recall, and macro F1 score. The classification results were compared to our previous works other studies as well as on the same dataset. Conclusions The improved work in this paper proposes efficient pipeline with a potential of having clinical usage for COVID-19 detection and diagnosis via CT images. The code is on github at https://github.com/IDU-CVLab/COV19D_3rd

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL