[論文レビュー] COVID-CT-MD: COVID-19 Computed Tomography (CT) Scan Dataset Applicable in Machine Learning and Deep Learning

Parnian Afshar, Shahin Heidarian+8 more|arXiv (Cornell University)|Sep 28, 2020

COVID-19 diagnosis using AIMedicine参考文献 13被引用数 19

ひとこと要約

本論文では、171例のCOVID-19、76例の正常、60例のコミュニティ獲得性肺炎（CAP）を含む包括的なCTスキャンデータセット、COVID-CT-MDを紹介する。全例に患者レベル、スライスレベル、葉レベルのアノテーションが付与されており、COVID-19の分類、局在化、セグメンテーションにおける高度な機械学習およびディープラーニングの応用を可能にする。全容CTボリュームと多段階ラベルを備えることで、診断モデリングの精度とモデルの解釈可能性が向上する。

ABSTRACT

Novel Coronavirus (COVID-19) has drastically overwhelmed more than 200 countries affecting millions and claiming almost 1 million lives, since its emergence in late 2019. This highly contagious disease can easily spread, and if not controlled in a timely fashion, can rapidly incapacitate healthcare systems. The current standard diagnosis method, the Reverse Transcription Polymerase Chain Reaction (RT- PCR), is time consuming, and subject to low sensitivity. Chest Radiograph (CXR), the first imaging modality to be used, is readily available and gives immediate results. However, it has notoriously lower sensitivity than Computed Tomography (CT), which can be used efficiently to complement other diagnostic methods. This paper introduces a new COVID-19 CT scan dataset, referred to as COVID-CT-MD, consisting of not only COVID-19 cases, but also healthy and subjects infected by Community Acquired Pneumonia (CAP). COVID-CT-MD dataset, which is accompanied with lobe-level, slice-level and patient-level labels, has the potential to facilitate the COVID-19 research, in particular COVID-CT-MD can assist in development of advanced Machine Learning (ML) and Deep Neural Network (DNN) based solutions.

研究の動機と目的

• COVID-19研究における公開可能で、多クラス・多段階ラベルが付与されたCTデータセットの不足に対処すること。
• 完全なCTボリュームと詳細なアノテーションを備えた標準化・高品質なデータセットを提供し、強固な機械学習およびディープラーニングモデルの構築を支援すること。
• 感染の局在化を葉およびスライスレベルで行えるモデルの開発を促進し、診断精度と解釈可能性を向上させること。
• 臨床現場における鑑別診断の向上を図るため、COVID-19、CAP、正常例の比較研究を支援すること。
• モデルの汎化性と耐性を向上させるため、生成モデルおよびデータ拡張技術の開発を可能にすること。

提案手法

• イラン・テヘランのババク・イメージング・センターから307例のCTスキャンを収集し、確定したCOVID-19、正常、CAP症例をカバーした。
• 3名の経験豊富な放射線科医による多段階アノテーションを取得：患者レベル（全体の診断）、スライスレベル（感染あり vs. 非感染スライス）、葉レベル（特定の葉への影響）。
• データを構造化されたフォルダ構造に整理：症例タイプ（COVID-19、CAP、正常）ごとに分類し、その後患者IDごとに分類。DICOM形式のCTスライスを格納。
• スライスレベルおよび葉レベルのラベルをバイナリ形式のNumPy配列に保存：'Slice-level-labels.npy'（2次元）および'Lobe-level-labels.npy'（3次元）。葉インデックスは解剖的領域に対応する。
• 厳密な含め基準、スキャナーキャリブレーション（スキャン後1日以内）、年1回のSIEMENS品質管理を実施し、アーチファクトの発生を防止。
• Figshareを通じてデータセットを公開。関連するメタデータおよび統計解析・可視化用コードを併記。

実験結果

リサーチクエスチョン

• RQ1 多クラス・多段階ラベルが付与されたCTデータセットは、機械学習モデルがCOVID-19、CAP、正常例を区別する性能を向上させ得るか？
• RQ2 スライスレベルおよび葉レベルのラベルは、CTスキャンにおけるCOVID-19感染の局在化と解釈可能性をどの程度向上させるか？
• RQ3 詳細なラベリングが施された全容CTデータを用いた深層学習モデルの分類およびセグメンテーションタスクへの有効性はいかほどか？
• RQ4 CAP症例を含むデータセットの導入は、COVID-19診断のためのモデルのロバストネスと汎化性を向上させるか？
• RQ5 多段階ラベリングは、医療画像における合成データ拡張のための生成モデル開発にどのような影響を与えるか？

主な発見

• COVID-CT-MDデータセットには、確定した171例のCOVID-19、76例の正常、60例のCAP症例が含まれ、全例に完全なCTボリュームと多段階ラベルが付与されている。
• 本データセットは、COVID-19の葉レベルアノテーションを提供する唯一の公開可能なリソースであり、解剖的葉にわたる感染の正確な局在化を可能にする。
• スライスレベルおよび葉レベルのラベルはバイナリ形式のNumPy配列に格納されており、葉インデックスは以下の通り定義されている：0（LLL）、1（LUL）、2（RLL）、3（RML）、4（RUL）。
• 厳密な品質管理のもとでデータ収集が行われ、スキャン後1日以内にスキャナーキャリブレーションを実施し、年1回のSIEMENS品質チェックによりアーチファクトの発生を防止した。
• 本データセットは、2段階のキャプセルネットワークモデル（COVID-FACT）の構築に成功し、スライスレベルおよび患者レベルのラベルを併用することで、正確な患者レベル分類を達成した。
• 本データセットはFigshareを通じて公開されており、関連コードを併記しているため、再現性が確保され、医療画像AI分野におけるさらなる研究が可能である。