[論文レビュー] Coronavirus: Comparing COVID-19, SARS and MERS in the eyes of AI

Anas Tahir, Yazan Qiblawey+6 more|arXiv (Cornell University)|May 23, 2020

COVID-19 diagnosis using AI参考文献 35被引用数 23

ひとこと要約

本研究では、高度な画像前処理とニューラルネットワークを用いて、深層学習を活用してCOVID-19、SARS、MERSの肺CT画像を区別する手法を提案する。3チャンネルの連結入力を用いたInceptionV3は、COVID-19に対して99.5％の感受性を達成した。MERSとCOVID-19の間で重複する特徴が見られ、これが限定的な誤分類を引き起こした。

ABSTRACT

Novel Coronavirus disease (COVID-19) is an extremely contagious and quickly spreading Coronavirus disease. Severe Acute Respiratory Syndrome (SARS)-CoV, Middle East Respiratory Syndrome (MERS)-CoV outbreak in 2002 and 2011 and current COVID-19 pandemic all from the same family of Coronavirus. The fatality rate due to SARS and MERS were higher than COVID-19 however, the spread of those were limited to few countries while COVID-19 affected more than two-hundred countries of the world. In this work, authors used deep machine learning algorithms along with innovative image pre-processing techniques to distinguish COVID-19 images from SARS and MERS images. Several deep learning algorithms were trained, and tested and four outperforming algorithms were reported: SqueezeNet, ResNet18, Inceptionv3 and DenseNet201. Original, Contrast limited adaptive histogram equalized and complemented image were used individually and in concatenation as the inputs to the networks. It was observed that inceptionv3 outperforms all networks for 3-channel concatenation technique and provide an excellent sensitivity of 99.5%, 93.1% and 97% for classifying COVID-19, MERS and SARS images respectively. Investigating deep layer activation mapping of the correctly classified images and miss-classified images, it was observed that some overlapping features between COVID-19 and MERS images were identified by the deep layer network. Interestingly these features were present in MERS images and 10 out of 144 images were miss-classified as COVID while only one out of 423 COVID-19 images was miss-classified as MERS. None of the MERS images was miss-classified to SARS and only one COVID-19 image was miss-classified as SARS. Therefore, it can be summarized that SARS images are significantly different from MERS and COVID-19 in the eyes of AI while there are some overlapping feature available between MERS and COVID-19.

研究の動機と目的

• COVID-19、SARS、MERSの肺CT画像を区別するAIベースの手法を開発すること。
• 深層学習を用いて、これらのコロナウイルス関連疾患の視覚的および特徴レベルでの類似性と相違点を調査すること。
• 高感度および高特異度でこれらの疾患を分類する複数の深層学習アーキテクチャの性能を評価すること。
• 特徴活性化マップを分析して、MERSとCOVID-19の間で生じる誤分類の理由を理解すること。

提案手法

• 肺CT画像を用いて、SqueezeNet、ResNet18、InceptionV3、DenseNet201の複数の深層学習モデルを訓練およびテストした。
• 3つの画像前処理技術を適用した：元の画像、コントラスト制限付き自己ヒストограм等化（CLAHE）、補完画像。
• 前処理済み画像の連結を用いて、チャネル間での特徴表現を強化した。
• テストセットにおける感受性と誤分類分析を用いて、モデルの性能を評価した。
• 深層層の活性化マップを実施し、モデルの意思決定を解釈し、疾患間で共有される特徴を同定した。
• 全3疾患の分類結果を比較して、モデルの頑健性および特徴の重複度を評価した。

実験結果

リサーチクエスチョン

• RQ1 どの深層学習モデルがCOVID-19、SARS、MERSの肺CT画像を区別する際に最も優れた性能を示すか？
• RQ2 異なる画像前処理技術が、深層学習モデルの分類性能にどのように影響を与えるか？
• RQ3 MERSとCOVID-19の間に共有される視覚的特徴は何か？ それが誤分類を引き起こす要因となるか？
• RQ4 深層ニューラルネットワークが学習する特徴空間において、SARS画像はMERSおよびCOVID-19とどの程度明確に分離されているか？
• RQ5 最良の性能を示したモデルの各疾患クラスにおける感受性と特異度は何か？

主な発見

• 3チャンネルの連結入力を用いたInceptionV3は、COVID-19画像の分類において最高の感受性99.5％を達成した。
• MERS画像はCOVID-19と顕著な特徴の重複を示し、144枚のMERS画像のうち10枚がCOVID-19と誤分類された。
• 423枚のCOVID-19画像のうちたった1枚がMERSと誤分類されたことから、このクラスに対するモデルの識別能が非常に高かった。
• MERS画像はSARSと誤分類されることはなく、COVID-19画像も1枚のみがSARSと誤分類されたことから、SARSは他の2疾患と高い分離性を示した。
• 深層層の活性化マップから、MERSとCOVID-19の間で観察された誤分類の主な要因が、両者の間で重複する特徴であったことが明らかになった。
• SARS画像は、深層ニューラルネットワークが学習した表現において、視覚的および特徴的にMERSおよびCOVID-19と明確に異なることが分かった。