[論文レビュー] Coronavirus (COVID-19) Classification using CT Images by Machine Learning Methods

Mücahid Barstuğan, Umut Özkaya+1 more|arXiv (Cornell University)|Mar 20, 2020

COVID-19 diagnosis using AI参考文献 14被引用数 334

ひとこと要約

この論文は、腹部CT画像パッチから従来の特徴抽出法とSVM分類器を用いてCOVID-19の早期検出を調査し、複数のクロスバリデーション方式を評価する。GLSZM特徴量を用いた10分割CVで最高99.68%の精度を達成。

ABSTRACT

This study presents early phase detection of Coronavirus (COVID-19), which is named by World Health Organization (WHO), by machine learning methods. The detection process was implemented on abdominal Computed Tomography (CT) images. The expert radiologists detected from CT images that COVID-19 shows different behaviours from other viral pneumonia. Therefore, the clinical experts specify that COVİD-19 virus needs to be diagnosed in early phase. For detection of the COVID-19, four different datasets were formed by taking patches sized as 16x16, 32x32, 48x48, 64x64 from 150 CT images. The feature extraction process was applied to patches to increase the classification performance. Grey Level Co-occurrence Matrix (GLCM), Local Directional Pattern (LDP), Grey Level Run Length Matrix (GLRLM), Grey-Level Size Zone Matrix (GLSZM), and Discrete Wavelet Transform (DWT) algorithms were used as feature extraction methods. Support Vector Machines (SVM) classified the extracted features. 2-fold, 5-fold and 10-fold cross-validations were implemented during the classification process. Sensitivity, specificity, accuracy, precision, and F-score metrics were used to evaluate the classification performance. The best classification accuracy was obtained as 99.68% with 10-fold cross-validation and GLSZM feature extraction method.

研究の動機と目的

• CT画像を用いた早期COVID-19検出と機械学習の動機付け。
• CT画像からパッチベースの特徴抽出パイプラインを定式化。
• 分類性能を評価するために、複数の特徴抽出器とクロスバリデーション方式を評価。
• 異なるパッチサイズと特徴セットを比較して、最も優れた構成を特定。

提案手法

• CT画像から採取した16x16、32x32、48x48、64x64サイズのパッチから4つのデータセットを構築。
• パッチにGLSZM、GLCM、LDP、GLRLM、DWTを含む特徴抽出法を適用。
• SVMで抽出特徴を分類。
• 2分割、5分割、10分割のクロスバリデーションを用いて評価。
• 感度、特異度、精度、適合率、F値で性能を評価。

実験結果

リサーチクエスチョン

• RQ1 選択したテクスチャおよび変換特徴を用いたCT画像パッチは、SVMを使ってCOVID-19を他のウイルス性肺炎と区別できるか？
• RQ2 どのパッチサイズとどの特徴抽出法がクロスバリデーション下で最高の分類精度をもたらすか？
• RQ3 異なるクロスバリデーション方式は、CTパッチ上のCOVID-19検出の報告指標にどのような影響を与えるか？

主な発見

• 報告された最高の分類精度は、GLSZM特徴を用いた10分割交差検証で99.68%である。
• 実験全体を通じて、GLSZMはこのタスクにおける最上位の特徴抽出法である。
• 結果の頑健性を検証するために、2分割、5分割、10分割のクロスバリデーション方式を用いた。
• 本研究は、CTパッチ上でCOVID-19と他のウイルス性肺炎を区別するため、複数のテクスチャおよび変換特徴を用いて識別性を高めている。