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

要約

COVID-19は、中国の武漢で最初に発見され、瞬く間に世界中に広まった病気です。COVID-19の大流行後、多くの研究者が胸部X線画像を用いたCOVID-19の診断方法の特定に着手しています。本疾患の早期診断は、治療過程に大きな影響を与える。本稿では、文献で報告されている他の方法よりも高速かつ高精度な新手法を提案する。提案手法は、DenseNet169とMobileNet Deep Neural Networksを組み合わせて、患者のX線画像の特徴量を抽出する。一変量特徴選択アルゴリズムを用いて、最も重要な特徴を絞り込みました。そして、選択した特徴をLightGBM（Light Gradient Boosting Machine）アルゴリズムの入力として適用し、分類を行った。提案手法の有効性を評価するために、患者の胸部のX線画像1125枚を含むChestX-ray8データセットを使用しました。提案手法は，2クラス（COVID-19, 健康）およびマルチクラス（COVID-19, 健康, 肺炎）の分類問題において，それぞれ98.54%および91.11%の精度を達成することができました．なお、さらなる解析にはGradient-weighted Class Activation Mapping (Grad-CAM)を用いたことを特記しておく。

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, DeepL