Self-Knowledge Distillation based Self-Supervised Learning for Covid-19 Detection from Chest X-Ray Images

要約

コロナウイルス2019（COVID-19）の世界的な流行は、世界の医療システムを過負荷に陥れています。COVID-19の高速検出と患者トリアージのためのコンピュータ支援診断が重要となっている。本論文では、胸部X線画像からのCOVID-19検出のための新しい自己知識蒸留に基づく自己教師付き学習法を提案する。本手法は，画像の視覚的特徴の類似性に基づく自己知識を自己教師付き学習に利用することができる．実験によると，本手法は，最大規模の胸部X線データセットCOVID-19に対して，HMスコア0.988，AUC0.999，精度0.957を達成した．

要約(オリジナル)

The global outbreak of the Coronavirus 2019 (COVID-19) has overloaded worldwide healthcare systems. Computer-aided diagnosis for COVID-19 fast detection and patient triage is becoming critical. This paper proposes a novel self-knowledge distillation based self-supervised learning method for COVID-19 detection from chest X-ray images. Our method can use self-knowledge of images based on similarities of their visual features for self-supervised learning. Experimental results show that our method achieved an HM score of 0.988, an AUC of 0.999, and an accuracy of 0.957 on the largest open COVID-19 chest X-ray dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL