Deep Learning For Classification Of Chest X-Ray Images (Covid 19)

要約

医療行為において、情報技術の貢献度は相当なものになります。このような医療行為には、人体の様々な病態を特定するために医療従事者が使用する画像が含まれます。その1つがX線画像であり、本論文の多くの部分を占めています。胸部X線は、Covid 19の識別と診断において重要な役割を担ってきました。Covid 19ウイルスは、2019年12月に中国の武漢で最初の患者が発見された後、2020年から世界的な大流行と宣言されています。このプロジェクトの目標は、Covid 19、ウイルス性肺炎、肺混濁、正常な画像を含む異なる胸部X線画像を分類できるようにすることです。我々はCNNアーキテクチャと異なる事前学習済みモデルを使用しました。最良の結果は、ResNet 18アーキテクチャを使用したもので、94.1%の精度で得られました。また、GPUの実行時間はAlexNetの場合に最適ですが、注目すべきは、事前学習されたモデルがCNNよりもはるかに速く収束することです。これは非常に大きな時間短縮になります。これらの結果は、患者の診断時間を短縮するだけでなく、医療従事者にとっても興味深いツールであり、特にパンデミック時に役立つと思われます。

要約(オリジナル)

In medical practice, the contribution of information technology can be considerable. Most of these practices include the images that medical assistance uses to identify different pathologies of the human body. One of them is X-ray images which cover much of our work in this paper. Chest x-rays have played an important role in Covid 19 identification and diagnosis. The Covid 19 virus has been declared a global pandemic since 2020 after the first case found in Wuhan China in December 2019. Our goal in this project is to be able to classify different chest X-ray images containing Covid 19, viral pneumonia, lung opacity and normal images. We used CNN architecture and different pre-trained models. The best result is obtained by the use of the ResNet 18 architecture with 94.1% accuracy. We also note that The GPU execution time is optimal in the case of AlexNet but what requires our attention is that the pretrained models converge much faster than the CNN. The time saving is very considerable. With these results not only will solve the diagnosis time for patients, but will provide an interesting tool for practitioners, thus helping them in times of strong pandemic in particular.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL