[論文レビュー] Classification of Pneumonia and Tuberculosis from Chest X-rays

Muhammad Abubakar, Imam Ali Shah+2 more|arXiv (Cornell University)|Mar 25, 2021

COVID-19 diagnosis using AI参考文献 3被引用数 5

ひとこと要約

本論文では、畳み込みニューラルネットワーク（CNN）を用いた深層学習ベースのシステムを提案し、胸部レントゲン写真から肺炎および結核を分類する。正常と異常のレントゲン写真を区別する際の正確度は92.97%に達した。モデルは二重疾患検出をサポートし、低資源環境における放射線科医の診断効率と意思決定を向上させる迅速なAI支援診断支援ツールを提供する。

ABSTRACT

Artificial intelligence (AI) and specifically machine learning is making inroads into number of fields. Machine learning is replacing and/or complementing humans in a certain type of domain to make systems perform tasks more efficiently and independently. Healthcare is a worthy domain to merge with AI and Machine learning to get things to work smoother and efficiently. The X-ray based detection and classification of diseases related to chest is much needed in this modern era due to the low number of quality radiologists. This thesis focuses on the classification of Pneumonia and Tuberculosis two major chest diseases from the chest X-rays. This system provides an opinion to the user whether one is having a disease or not, thereby helping doctors and medical staff to make a quick and informed decision about the presence of disease. As compared to previous work our model can detect two types of abnormality. Our model can detect whether X-ray is normal or having abnormality which can be pneumonia and tuberculosis 92.97% accurately.

研究の動機と目的

• 機械学習を用いて胸部レントゲン写真から肺炎および結核を自動的に検出するシステムを開発すること。
• 低資源医療環境における熟練放射線科医の不足に対処するために、AI支援診断ツールを提供すること。
• 両大規模肺疾患の早期発見により、診断速度と正確度を向上させること。
• レントゲン写真を正常または異常として分類し、肺炎または結核を特定的に同定できるモデルを構築すること。
• 医療従事者に対して信頼性の高いデータドリブンな第二の専門的意見を提供することで、臨床意思決定を支援すること。

提案手法

• 特徴抽出および分類のためのコアな深層学習アーキテクチャとして畳み込みニューラルネットワーク（CNN）が採用された。
• モデルは、正常、肺炎、結核のケースを含むレントゲン画像のデータセット上で訓練された。
• モデルの汎化能力を向上させるために、入力データを標準化するための画像前処理技術が適用された。
• 限られた医療画像データに対して性能を向上させるために、事前学習済みモデルを用いたトランスファーラーニングが用いられた。
• 3つのクラス（正常、肺炎、結核）を区別するためのマルチクラス分類ヘッドが使用された。
• 標準的な指標（正確度など）を用いてモデルの評価が行われ、全体的な分類性能に注目した。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、胸部レントゲン写真を正常、肺炎、結核のカテゴリに正確に分類できるか？
• RQ2 本モデルは、正確度および多疾患検出能力の観点で、従来のアプローチと比較してどのように異なるか？
• RQ3 モデルは、放射線科医がより迅速かつ的確な診断意思決定を下すのをどの程度支援できるか？
• RQ4 X線画像のみを用いて、2つの主要な肺疾患をどの程度正確に区別できるか？
• RQ5 放射線科医が限られたアクセスしか持てない低資源環境でも、モデルは効果的に展開可能か？

主な発見

• 提案されたモデルは、正常と異常の胸部レントゲン写真を区別する際、92.97%の分類正確度を達成した。
• 本システムは肺炎および結核の両方を効果的に検出でき、1つのフレームワーク内で二重疾患分類を実現した。
• モデルは、標準的なX線画像から肺感染症に関連する異常パターンを強く識別する能力を示した。
• 結果から、AI支援分類は、放射線科医が不足している地域における臨床ワークフローを顕著に支援できることが示唆された。
• モデルの高い正確度は、早期診断のための遠隔医療およびプライマリケア環境への統合の可能性を示している。
• 本研究は、レントゲン画像からの多クラス肺疾患分類に深層学習を用いることが実現可能であることを確認した。