Diagnosis of COVID-19 based on Chest Radiography

要約

2019 年のコロナウイルス病 (COVID-19) は、2019 年 12 月初旬に中国の武漢で最初に確認され、現在パンデミックになっています。
COVID-19 患者が X 線検査を受けると、放射線科医は胸部 X 線 (CXR) 画像から現在の X 線異常を観察できます。
この研究では、深層畳み込みニューラル ネットワーク (CNN) モデルが、COVID-19 患者の診断において放射線科医を支援するために提案されました。
まず、この作業では、CXR 画像を正常、COVID-19、およびウイルス性肺炎に分類するために、修正された VGG-16、ResNet-50、および DenseNet-121 のパフォーマンスに関する比較研究を実施しました。
次に、分類結果に対する画像拡張の影響を評価しました。
この研究では、公開されている COVID-19 放射線撮影データベースが使用されました。
比較の結果、ResNet-50 は 95.88% で最高の精度を達成しました。
次に、ResNet-50 を回転、平行移動、水平反転、強度シフト、およびズーム拡張データセットでトレーニングした後、精度は 80.95% に低下しました。
さらに、分類結果に対する画像増強の効果に関するアブレーション研究では、回転と強度シフト増強方法の組み合わせがベースラインよりも高い精度 (96.14%) を取得することがわかりました。
最後に、回転と強度シフトの増強を備えた ResNet-50 が最高のパフォーマンスを発揮し、この作業の最終的な分類モデルとして提案されました。
これらの調査結果は、提案された分類モデルが COVID-19 診断に有望な結果を提供できることを示しています。

要約(オリジナル)

The Coronavirus disease 2019 (COVID-19) was first identified in Wuhan, China, in early December 2019 and now becoming a pandemic. When COVID-19 patients undergo radiography examination, radiologists can observe the present of radiographic abnormalities from their chest X-ray (CXR) images. In this study, a deep convolutional neural network (CNN) model was proposed to aid radiologists in diagnosing COVID-19 patients. First, this work conducted a comparative study on the performance of modified VGG-16, ResNet-50 and DenseNet-121 to classify CXR images into normal, COVID-19 and viral pneumonia. Then, the impact of image augmentation on the classification results was evaluated. The publicly available COVID-19 Radiography Database was used throughout this study. After comparison, ResNet-50 achieved the highest accuracy with 95.88%. Next, after training ResNet-50 with rotation, translation, horizontal flip, intensity shift and zoom augmented dataset, the accuracy dropped to 80.95%. Furthermore, an ablation study on the effect of image augmentation on the classification results found that the combinations of rotation and intensity shift augmentation methods obtained an accuracy higher than baseline, which is 96.14%. Finally, ResNet-50 with rotation and intensity shift augmentations performed the best and was proposed as the final classification model in this work. These findings demonstrated that the proposed classification model can provide a promising result for COVID-19 diagnosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google