COVID-19 Detection and Analysis From Lung CT Images using Novel Channel Boosted CNNs

要約

2019 年 12 月、中国の武漢で発生した世界的なパンデミック COVID-19 は、人命と世界経済に影響を与えました。
したがって、その広がりを制御するための効率的な診断システムが必要です。
ただし、自動診断システムは、ラベル付けされたデータの量が限られていること、コントラストの変動が小さいこと、および感染と背景の間の構造的類似性が高いことという課題をもたらします。
この点に関して、微細な不規則性を検出し、COVID-19 感染を分析するために、新しい 2 フェーズの深層畳み込みニューラル ネットワーク (CNN) ベースの診断システムが提案されています。
最初のフェーズでは、新型の SB-STM-BRNet CNN が提案され、COVID-19 に感染した CT 肺画像を検出するために、新しいチャネル Squeezed and Boosted (SB) および拡張された畳み込みベースの Split-Transform-Merge (STM) ブロックが組み込まれています。
新しい STM ブロックは、マルチパスの領域平滑化と境界操作を実行し、マイナーなコントラストの変化とグローバルな COVID-19 固有のパターンを学習するのに役立ちました。
さらに、STM ブロックの SB および転移学習の概念を使用して多様なブースト チャネルを実現し、COVID-19 固有の画像と健康な画像の間のテクスチャの変化を学習します。
第 2 段階では、COVID-19 感染画像が新しい COVID-CB-RESeg セグメンテーション CNN に提供され、COVID-19 感染領域を特定して分析します。
提案された COVID-CB-RESeg は、地域の均一性、不均一性の操作、および各エンコーダーとデコーダー ブロックで補助チャネルを使用したチャネル ブースティングを系統的に採用し、COVID-19 感染領域の低照度と境界を同時に学習しました。
提案された診断システムは、COVID-19 感染領域の精度: 98.21%、F スコア: 98.24%、ダイス類似度: 96.40%、IOU: 98.85% の点で優れたパフォーマンスを発揮します。
提案された診断システムは、負担を軽減し、迅速かつ正確な COVID-19 診断に対する放射線科医の決定を強化します。

要約(オリジナル)

In December 2019, the global pandemic COVID-19 in Wuhan, China, affected human life and the worldwide economy. Therefore, an efficient diagnostic system is required to control its spread. However, the automatic diagnostic system poses challenges with a limited amount of labeled data, minor contrast variation, and high structural similarity between infection and background. In this regard, a new two-phase deep convolutional neural network (CNN) based diagnostic system is proposed to detect minute irregularities and analyze COVID-19 infection. In the first phase, a novel SB-STM-BRNet CNN is proposed, incorporating a new channel Squeezed and Boosted (SB) and dilated convolutional-based Split-Transform-Merge (STM) block to detect COVID-19 infected CT lungs images. The new STM blocks performed multi-path region-smoothing and boundary operations, which helped to learn minor contrast variation and global COVID-19 specific patterns. Furthermore, the diverse boosted channels are achieved using the SB and Transfer Learning concepts in STM blocks to learn texture variation between COVID-19-specific and healthy images. In the second phase, COVID-19 infected images are provided to the novel COVID-CB-RESeg segmentation CNN to identify and analyze COVID-19 infectious regions. The proposed COVID-CB-RESeg methodically employed region-homogeneity, heterogeneity operations, and channel boosting using auxiliary channels in each encoder and decoder block to simultaneously learn the low illumination and boundaries of the COVID-19 infected region. The proposed diagnostic system yields good performance in terms of accuracy: 98.21 %, F-score: 98.24%, Dice Similarity: 96.40 %, and IOU: 98.85 % for the COVID-19 infected region. The proposed diagnostic system would reduce the burden and strengthen the radiologist’s decision for a fast and accurate COVID-19 diagnosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google