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

要約

目的: この研究の主な目的は、コンピュータ断層撮影 (CT) 画像の大規模で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開発することです。
提案されたパイプラインには、セグメンテーション部分、肺抽出部分、および分類器部分が含まれます。
方法: セグメンテーション部分で試みた方法論は、従来のセグメンテーション方法と UNet ベースの方法です。
分類部分では、畳み込みニューラル ネットワーク (CNN) を使用して最終的な診断を決定しました。
結果: セグメンテーション部分では、提案されたセグメンテーション方法は、公開されているデータセットで高いダイス スコアを示しています。
分類の部分では、スライス レベルと患者レベルでも結果が比較されました。
スライス レベルでメソッドが比較され、2D スライスの予測効率を示す高い検証精度が示されました。
患者レベルでは、提案された方法は、検証セットの検証精度とマクロ F1 スコアに関しても比較されました。
分類に使用されるデータセットは COV-19CT データベースです。
ここで提案された方法は、同じデータセットでの貴重な結果からの改善を示しました。
結論: この論文の改善された研究は、CT 画像を介した COVID-19 の検出と診断の潜在的な臨床用途を持っています。
コードは https://github.com/IDU-CVLab/COV19D_3rd の github にあります。

要約(オリジナル)

Purpose: The main purpose in this study is to develop 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 lung extraction part, and a classifier part. Methods: The methodologies tried in the segmentation part are traditional segmentation methods as well as UNet-based methods. 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 available dataset. In the classification part, the results were compared at slice-level and at patient-level as well. At slice-level, methods were compared and showed high validation accuracy indicating efficiency in predicting 2D slices. At patient level, the proposed methods were also compared in terms of validation accuracy and macro F1 score on the validation set. The dataset used for classification is COV-19CT Database. The method proposed here showed improvement from our precious results on the same dataset. Conclusion: The improved work in this paper has potential clinical usages 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, Google