CovidExpert: A Triplet Siamese Neural Network framework for the detection of COVID-19

要約

COVID-19 に感染した患者は、肺炎のような症状や、肺に害を及ぼす可能性のある呼吸器系の問題を抱えている可能性があります。
医療画像から、さまざまな機械学習手法を使用して、コロナウイルスの病気を正確に特定し、予測することができます。
公開されている機械学習手法のほとんどは、大規模なハイパーパラメーター調整が必要になる可能性があり、小規模なデータセットには適していません。
比較的小さなデータセットのデータを活用することにより、少数ショット学習アルゴリズムは、大規模なデータセットの要件を軽減することを目的としています。
これは、COVID-19 の早期発見のための数ショット学習モデルを開発して、この危険な病気の後遺症を軽減することに私たちを駆り立てました。
提案されたアーキテクチャは、類似性学習のために CT スキャン画像から特徴ベクトルを抽出するために、事前にトレーニングされた畳み込みニューラル ネットワークのアンサンブルと少数ショット学習を組み合わせます。
少数ショット学習モデルとして提案されたトリプレット シャム ネットワークは、CT スキャン画像を正常、COVID-19、市中肺炎に分類しました。
提案されたモデルは、98.719% の全体精度、99.36% の特異性、98.72% の感度、および 99.9% の ROC スコアを、トレーニング データのカテゴリごとに 200 回の CT スキャンで達成しました。

要約(オリジナル)

Patients with the COVID-19 infection may have pneumonia-like symptoms as well as respiratory problems which may harm the lungs. From medical images, coronavirus illness may be accurately identified and predicted using a variety of machine learning methods. Most of the published machine learning methods may need extensive hyperparameter adjustment and are unsuitable for small datasets. By leveraging the data in a comparatively small dataset, few-shot learning algorithms aim to reduce the requirement of large datasets. This inspired us to develop a few-shot learning model for early detection of COVID-19 to reduce the post-effect of this dangerous disease. The proposed architecture combines few-shot learning with an ensemble of pre-trained convolutional neural networks to extract feature vectors from CT scan images for similarity learning. The proposed Triplet Siamese Network as the few-shot learning model classified CT scan images into Normal, COVID-19, and Community-Acquired Pneumonia. The suggested model achieved an overall accuracy of 98.719%, a specificity of 99.36%, a sensitivity of 98.72%, and a ROC score of 99.9% with only 200 CT scans per category for training data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google