Classification of COVID-19 in Chest X-ray Images Using Fusion of Deep Features and LightGBM

要約

COVID-19感染症は、中国の武漢で最初に発見され、世界中に急速に広がりました。
COVID-19のパンデミックの後、多くの研究者が胸部X線画像を使用してCOVID-19を診断する方法を特定し始めました。
この病気の早期診断は、治療プロセスに大きな影響を与える可能性があります。
この記事では、文献で報告されている他の方法よりも高速で正確な新しい手法を提案します。
提案された方法は、DenseNet169とMobileNet Deep Neural Networksの組み合わせを使用して、患者のX線画像の特徴を抽出します。
単変量特徴選択アルゴリズムを使用して、最も重要な特徴の特徴を改良しました。
次に、選択した機能を、分類用のLightGBM（Light Gradient Boosting Machine）アルゴリズムへの入力として適用しました。
提案された方法の有効性を評価するために、患者の胸部の1125のX線画像を含むChestX-ray8データセットが使用されました。
提案された方法は、2クラス（COVID-19、健康）およびマルチクラス（COVID-19、健康、肺炎）分類問題でそれぞれ98.54％および91.11％の精度を達成しました。
さらなる分析のために、勾配加重クラスアクティベーションマッピング（Grad-CAM）を使用したことは言及する価値があります。

要約(オリジナル)

The COVID-19 disease was first discovered in Wuhan, China, and spread quickly worldwide. After the COVID-19 pandemic, many researchers have begun to identify a way to diagnose the COVID-19 using chest X-ray images. The early diagnosis of this disease can significantly impact the treatment process. In this article, we propose a new technique that is faster and more accurate than the other methods reported in the literature. The proposed method uses a combination of DenseNet169 and MobileNet Deep Neural Networks to extract the features of the patient’s X-ray images. Using the univariate feature selection algorithm, we refined the features for the most important ones. Then we applied the selected features as input to the LightGBM (Light Gradient Boosting Machine) algorithm for classification. To assess the effectiveness of the proposed method, the ChestX-ray8 dataset, which includes 1125 X-ray images of the patient’s chest, was used. The proposed method achieved 98.54% and 91.11% accuracies in the two-class (COVID-19, Healthy) and multi-class (COVID-19, Healthy, Pneumonia) classification problems, respectively. It is worth mentioning that we have used Gradient-weighted Class Activation Mapping (Grad-CAM) for further analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google