A Transfer Learning Based Approach for Classification of COVID-19 and Pneumonia in CT Scan Imaging

要約

世界は依然として COVID-19 ウイルスの蔓延に圧倒されています。
2021 年 11 月の時点で 2 億 5,000 万人を超える感染者がおり、219 の国と地域に影響を与えており、世界は依然としてパンデミック期にあります。
CTスキャン画像でディープラーニング手法を使用してCOVID-19を検出することは、医療専門家や意思決定機関が病気の蔓延を制御し、患者に不可欠なサポートを提供するのを支援する上で重要な役割を果たすことができます.
畳み込みニューラル ネットワークは、大規模な画像認識の分野で広く使用されています。
COVID-19 を診断するための RT-PCR の現在の方法は、時間がかかり、普遍的に制限されています。
この研究は、COVID-19 肺炎患者、細菌性肺炎、ウイルス性肺炎、および健康 (正常なケース) を分類するための深層学習ベースのアプローチを提案することを目的としています。
この論文では、深層転移学習を使用して、Inception-ResNet-V2 ニューラル ネットワーク アーキテクチャを介してデータを分類しました。
提案されたモデルは、実装コストを削減するために意図的に単純化されているため、さまざまな地理的領域、特に農村地域や開発途上地域で簡単に実装して使用できます。

要約(オリジナル)

The world is still overwhelmed by the spread of the COVID-19 virus. With over 250 Million infected cases as of November 2021 and affecting 219 countries and territories, the world remains in the pandemic period. Detecting COVID-19 using the deep learning method on CT scan images can play a vital role in assisting medical professionals and decision authorities in controlling the spread of the disease and providing essential support for patients. The convolution neural network is widely used in the field of large-scale image recognition. The current method of RT-PCR to diagnose COVID-19 is time-consuming and universally limited. This research aims to propose a deep learning-based approach to classify COVID-19 pneumonia patients, bacterial pneumonia, viral pneumonia, and healthy (normal cases). This paper used deep transfer learning to classify the data via Inception-ResNet-V2 neural network architecture. The proposed model has been intentionally simplified to reduce the implementation cost so that it can be easily implemented and used in different geographical areas, especially rural and developing regions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google