CoVid-19 Detection leveraging Vision Transformers and Explainable AI

要約

肺疾患は、世界の多くの地域で一般的な健康問題である。死亡原因の上位30位中5位を占めており、世界中の人々の健康と生活の質にとって重大なリスクとなっている。COVID19、肺炎、結核などがその例である。肺疾患を初期段階で診断することは非常に重要である。この目的のために、機械学習や画像処理を含むいくつかの異なるモデルが開発されている。病状が早期に診断されればされるほど、患者が完治し、長期にわたって生存できる可能性が高まる。ディープラーニング・アルゴリズムのおかげで、医用画像に基づく肺疾患の自律的、迅速かつ正確な同定に大きな期待が寄せられている。畳み込みニューラルネットワーク（CNN）、バニラニューラルネットワーク、視覚幾何学群ベースネットワーク（VGG）、カプセルネットワークなど、いくつかの異なるディープラーニング戦略が、肺疾患予測を行う目的で使用されている。標準的なCNNは、回転、傾き、または他の異常な画像の向きに対処する場合、性能が低い。その結果、本研究の範囲内で、肺疾患診断のための視覚変換器ベースのアプローチエンド・ツー・エンドのフレームワークを提案した。このアーキテクチャには、データ増強、提案モデルの訓練、モデルの評価がすべて含まれている。肺炎、Covid 19、肺混濁などの肺疾患を検出する目的で、特殊化されたコンパクト畳み込み変換器（CCT）モデルが、Covid 19 Radiography Databaseなどのデータセットでテストされ、評価された。このモデルは、Covid 19 Radiography Databaseにおいて、学習目的でも検証目的でも、より高い精度を達成した。

要約(オリジナル)

Lung disease is a common health problem in many parts of the world. It is a significant risk to people health and quality of life all across the globe since it is responsible for five of the top thirty leading causes of death. Among them are COVID 19, pneumonia, and tuberculosis, to name just a few. It is critical to diagnose lung diseases in their early stages. Several different models including machine learning and image processing have been developed for this purpose. The earlier a condition is diagnosed, the better the patient chances of making a full recovery and surviving into the long term. Thanks to deep learning algorithms, there is significant promise for the autonomous, rapid, and accurate identification of lung diseases based on medical imaging. Several different deep learning strategies, including convolutional neural networks (CNN), vanilla neural networks, visual geometry group based networks (VGG), and capsule networks , are used for the goal of making lung disease forecasts. The standard CNN has a poor performance when dealing with rotated, tilted, or other aberrant picture orientations. As a result of this, within the scope of this study, we have suggested a vision transformer based approach end to end framework for the diagnosis of lung disorders. In the architecture, data augmentation, training of the suggested models, and evaluation of the models are all included. For the purpose of detecting lung diseases such as pneumonia, Covid 19, lung opacity, and others, a specialised Compact Convolution Transformers (CCT) model have been tested and evaluated on datasets such as the Covid 19 Radiography Database. The model has achieved a better accuracy for both its training and validation purposes on the Covid 19 Radiography Database.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL