[論文レビュー] Classification of Human Monkeypox Disease Using Deep Learning Models and Attention Mechanisms

Md Enamul Haque, Md. Rayhan Ahmed+2 more|arXiv (Cornell University)|Nov 21, 2022

Poxvirus research and outbreaks被引用数 27

ひとこと要約

本研究は、CBAM注意機構を用いた深層転移学習モデルを画像ベースの monkeypox 分類に統合し、Xception-CBAM-Dense を最良のアーキテクチャとして特性化し、検証精度 83.89% を達成した。

ABSTRACT

As the world is still trying to rebuild from the destruction caused by the widespread reach of the COVID-19 virus, and the recent alarming surge of human monkeypox disease outbreaks in numerous countries threatens to become a new global pandemic too. Human monkeypox disease syndromes are quite similar to chickenpox, and measles classic symptoms, with very intricate differences such as skin blisters, which come in diverse forms. Various deep-learning methods have shown promising performances in the image-based diagnosis of COVID-19, tumor cell, and skin disease classification tasks. In this paper, we try to integrate deep transfer-learning-based methods, along with a convolutional block attention module (CBAM), to focus on the relevant portion of the feature maps to conduct an image-based classification of human monkeypox disease. We implement five deep-learning models, VGG19, Xception, DenseNet121, EfficientNetB3, and MobileNetV2, along with integrated channel and spatial attention mechanisms, and perform a comparative analysis among them. An architecture consisting of Xception-CBAM-Dense layers performed better than the other models at classifying human monkeypox and other diseases with a validation accuracy of 83.89%.

研究の動機と目的

• 人間の monkeypox の画像診断を動機づけ、類似の症候群と区別する。
• 注意機構を用いて monkeypox 分類の転移学習モデルを評価する。
• チャネルと空間の注意を統合した5モデルを比較し、最良のアーキテクチャを特定する。
• CBAM 強化ネットワークの monkeypox 検出タスクでの性能を評価する。

提案手法

• 5つの深層学習モデルを実装する：VGG19、Xception、DenseNet121、EfficientNetB3、MobileNetV2。
• 関連する特徴マップに焦点を当てるため Convolutional Block Attention Module (CBAM) を統合する。
• 画像データを用いて monkeypox および他の疾患の比較分析を行う。
• 検証精度を報告し、最も高い性能を示すアーキテクチャを特定する。

実験結果

リサーチクエスチョン

• RQ1 CBAM を統合することで、複数のモデルにおける画像ベースの monkeypox 分類性能は向上するか。
• RQ2 CBAM を付与したモデルのうち、monkeypox 検出で最も高い検証精度を示すのはどれか。
• RQ3 Xception-CBAM-Dense アーキテクチャは他の試験モデルと比較してどうか。
• RQ4 monkeypox と類似の皮膚疾患に対する転移学習アプローチの全体的な有効性はどの程度か。

主な発見

• Xception-CBAM-Dense アーキテクチャは検証精度 83.89% で最良の性能を達成した。
• 試験されたモデルの中で、CBAM 強化ネットワークが monkeypox 分類に対して評価・比較されている。
• 本研究は、注意機構と組み合わせた深層転移学習アプローチが疾患画像分類において有望であることを示している。