[論文レビュー] A Novel and Reliable Deep Learning Web-Based Tool to Detect COVID-19 Infection from Chest CT-Scan

Abdolkarim Saeedi, Maryam Saeedi+1 more|arXiv (Cornell University)|Jun 24, 2020

COVID-19 diagnosis using AI被引用数 11

ひとこと要約

本稿では、特徴抽出にDenseNetを、分類にNu-SVMを組み合わせたハイブリッドモデルを用いた、ウェブベースの自動的COVID-19検出のための新規ディープラーニングシステムを提示する。システムは1画像あたり40ミリ秒未満の推論時間で、90.61%の正確性、90.80%の再現率、89.76%の適合率、95.05%のAUCを達成し、FlaskベースのREST APIを介して公開可能である。

ABSTRACT

The corona virus is already spread around the world in many countries, and it has taken many lives. Furthermore, the world health organization (WHO) has announced that COVID-19 has reached the global epidemic stage. Early and reliable diagnosis using chest CT-scan can assist medical specialists in vital circumstances. In this work, we introduce a computer aided diagnosis (CAD) web service to detect COVID- 19 online. One of the largest public chest CT-scan databases, containing 746 participants was used in this experiment. A number of well-known deep neural network architectures consisting of ResNet, Inception and MobileNet were inspected to find the most efficient model for the hybrid system. A combination of the Densely connected convolutional network (DenseNet) in order to reduce image dimensions and Nu-SVM as an anti-overfitting bottleneck was chosen to distinguish between COVID-19 and healthy controls. The proposed methodology achieved 90.80% recall, 89.76% precision and 90.61% accuracy. The method also yields an AUC of 95.05%. Ultimately a flask web service is made public through ngrok using the trained models to provide a RESTful COVID-19 detector, which takes only 39 milliseconds to process one image. The source code is also available at https://github.com/KiLJ4EdeN/COVID_WEB. Based on the findings, it can be inferred that it is feasible to use the proposed technique as an automated tool for diagnosis of COVID-19.

研究の動機と目的

• 胸部CTスキャンを用いたCOVID-19の早期検出のための、高速で正確かつアクセス可能なディープラーニングツールの開発。
• 世界的なCOVID-19パンデミックの時期に、タイムリーかつ信頼性のある診断を実現するため、先進的なディープラーニングアーキテクチャを活用すること。
• COVID-19感染の迅速かつ自動的なスクリーニングを可能にする、公開可能なウェブサービスの構築。
• ハイブリッドDenseNet-Nu-SVMモデルを用いて、医療画像分類における過学習の低減と一般化性能の向上。
• ResNet、Inception、MobileNetといった複数のディープニューラルネットワーク（DNN）を評価・比較し、CTスキャンからのCOVID-19検出における最適なパフォーマンスを特定すること。

提案手法

• 胸部CT画像からの階層的特徴抽出に、DenseNetを用いたハイブリッドディープラーニングモデルを設計した。
• DenseNetの出力特徴量を、過学習の抑制と一般化性能の向上を目的としたバッファとして機能するNu-Support Vector Machine（Nu-SVM）に供給した。
• 公に提供されている746枚の胸部CTスキャン（COVID-19陽性例および健康対照例を含む）のデータセットを用いて、モデルの学習と検証を実施した。
• Flaskを用いてウェブサービスを実装し、ngrokを介してデプロイすることで、リアルタイム推論用のRESTful APIを提供した。
• 推論速度の最適化を図り、1画像あたり39ミリ秒の推論時間を達成した。
• 再現可能性およびさらなる研究を支援するため、ソースコードおよびトレーニング済みモデルを公開した。

実験結果

リサーチクエスチョン

• RQ1 ディープラーニングベースのウェブサービスは、胸部CTスキャンからのCOVID-19検出において、高い正確性と低遅延を達成できるか？
• RQ2 ResNet、Inception、MobileNet、DenseNetのうち、どのディープニューラルネットワークアーキテクチャが、この診断タスクにおいて最高のパフォーマンスを示すか？
• RQ3 DenseNetとNu-SVMを統合することで、医療画像分類における過学習の低減とモデル一般化性能の向上が実際に可能か？
• RQ4 本稿で提案するシステムは、正確性、再現率、推論速度の観点から、既存のCADツールと比較してどの程度の性能を示すか？
• RQ5 臨床現場において、信頼性がありリアルタイムで動作し、公開可能なディープラーニングモデルを自動COVID-19検出に実装することは可能か？

主な発見

• 提案されたハイブリッドモデルは、746枚の胸部CTスキャンから成るテストセットにおいて90.61%の分類正確性を達成した。
• 本システムは、COVID-19陽性例を強く検出できる高水準の再現率（90.80%）を示した。
• 適合率は89.76%に記録され、検出プロセスにおける偽陽性の発生率が低いことを示した。
• 受信者操作特性曲線（ROC）下の面積（AUC）は95.05%に達し、優れた識別性能を示した。
• 推論時間は39ミリ秒に最適化され、臨床ワークフローにおけるリアルタイムデプロイメントを可能にした。
• 公開REST APIを介してアクセス可能なウェブベースのサービスにより、診断ツールのスケーラブルかつリモートでのデプロイメントが可能になった。