[論文レビュー] COVID_MTNet: COVID-19 Detection with Multi-Task Deep Learning Approaches

Md Zahangir Alom, M M Shaifur Rahman+3 more|arXiv (Cornell University)|Apr 7, 2020

COVID-19 diagnosis using AI被引用数 83

ひとこと要約

本論文は、X線画像とCT画像からのCOVID-19検出のためのマルチタスク深層学習フレームワークを提案する。検出にはInception Residual Recurrent CNN with Transfer Learningを、感染領域のセグメンテーションにはNABLA-Nを用い、感染割合の新しい定量分析も追加する。

ABSTRACT

COVID-19 is currently one the most life-threatening problems around the world. The fast and accurate detection of the COVID-19 infection is essential to identify, take better decisions and ensure treatment for the patients which will help save their lives. In this paper, we propose a fast and efficient way to identify COVID-19 patients with multi-task deep learning (DL) methods. Both X-ray and CT scan images are considered to evaluate the proposed technique. We employ our Inception Residual Recurrent Convolutional Neural Network with Transfer Learning (TL) approach for COVID-19 detection and our NABLA-N network model for segmenting the regions infected by COVID-19. The detection model shows around 84.67% testing accuracy from X-ray images and 98.78% accuracy in CT-images. A novel quantitative analysis strategy is also proposed in this paper to determine the percentage of infected regions in X-ray and CT images. The qualitative and quantitative results demonstrate promising results for COVID-19 detection and infected region localization.

研究の動機と目的

• 臨床判断と治療計画を支援するために、迅速で正確なCOVID-19検出を動機づける。
• 検出と感染領域のセグメンテーションの両方を扱うマルチタスク深層学習パイプラインを開発する。
• 転移学習を活用して医用画像データセットでの検出性能を向上させる。
• 画像中の感染領域の割合を推定する定量的手法を提供する。

提案手法

• COVID-19検出のためにTransfer Learningを用いたInception Residual Recurrent Convolutional Neural Networkを適用する。
• COVID-19に感染した領域をセグメーションするためにNABLA-Nネットワークを適用する。
• X線およびCT画像における感染領域の割合を決定する新規定量分析戦略を提案する。
• X線とCT画像データセットの両方でアプローチを評価し、モダリティ間の頑健性を評価する。

実験結果

リサーチクエスチョン

• RQ1 マルチタスク深層学習はX線およびCT画像からCOVID-19をどの程度正確に検出できるか？
• RQ2 感染領域のセグメンテーションは検出を補完し、全体的な診断有用性を向上させることができるか？
• RQ3 転移学習は限られたCOVID-19画像データでの検出性能を向上させるか？
• RQ4 画像中の感染領域割合を定量化する提案手法は何か？

主な発見

• X線画像での検出精度は約84.67%。
• CT画像での検出精度は約98.78%。
• 検出と感染領域セグメンテーションを組み合わせたマルチタスクフレームワークは有効であった。
• X線およびCT画像の両方で感染領域の割合を推定する新規定量分析戦略。