From Lab to Pocket: A Novel Continual Learning-based Mobile Application for Screening COVID-19

要約

人工知能 (AI) は、医療画像から新型コロナウイルス感染症を予測するための有望なツールとして浮上しています。
この論文では、新しい継続学習ベースのアプローチを提案し、新型コロナウイルス感染症をスクリーニングするためのモバイル アプリケーションの設計と実装を紹介します。
私たちのアプローチは、さまざまな場所や病院から収集されたデータ、さまざまなウイルス株、さまざまな臨床症状など、進化するデータセットに、最初から再トレーニングすることなく適応できることを示しています。
私たちは、胸部 X 線写真から 新型コロナウイルス感染症 (COVID-19) を検出するための最先端の継続学習方法を評価し、モバイル アプリに最もパフォーマンスの高いモデルを選択しました。
私たちはさまざまな深層学習アーキテクチャを評価し、継続学習の基礎モデルとして最もパフォーマンスの高いものを選択しました。
アプリに最適な継続学習モデルを開発するために、さまざまなメモリ サイズを使用して、継続学習のための正則化とメモリベースの両方の方法がテストされました。
DenseNet161 は 96.87\% の精度で最高の基礎モデルとして浮上し、忘れずに学習 (LwF) が全体的なパフォーマンス 71.99\% でトップの継続学習方法でした。
モバイル アプリのデザインは、患者と医師の両方の視点を考慮しています。
クラウド サーバー上に継続学習 DenseNet161 LwF モデルが組み込まれており、送信された胸部 X 線写真の新しいインスタンスとその分類からモデルが学習できるようになります。
このアプリは、新型コロナウイルス感染症 (COVID-19) スクリーニングのための効率的なツールを提供するように設計、実装、評価されています。
このアプリは https://github.com/DannyFGitHub/COVID-19PneumoCheckApp からダウンロードできます。

要約(オリジナル)

Artificial intelligence (AI) has emerged as a promising tool for predicting COVID-19 from medical images. In this paper, we propose a novel continual learning-based approach and present the design and implementation of a mobile application for screening COVID-19. Our approach demonstrates the ability to adapt to evolving datasets, including data collected from different locations or hospitals, varying virus strains, and diverse clinical presentations, without retraining from scratch. We have evaluated state-of-the-art continual learning methods for detecting COVID-19 from chest X-rays and selected the best-performing model for our mobile app. We evaluated various deep learning architectures to select the best-performing one as a foundation model for continual learning. Both regularization and memory-based methods for continual learning were tested, using different memory sizes to develop the optimal continual learning model for our app. DenseNet161 emerged as the best foundation model with 96.87\% accuracy, and Learning without Forgetting (LwF) was the top continual learning method with an overall performance of 71.99\%. The mobile app design considers both patient and doctor perspectives. It incorporates the continual learning DenseNet161 LwF model on a cloud server, enabling the model to learn from new instances of chest X-rays and their classifications as they are submitted. The app is designed, implemented, and evaluated to ensure it provides an efficient tool for COVID-19 screening. The app is available to download from https://github.com/DannyFGitHub/COVID-19PneumoCheckApp.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google