[論文レビュー] CovidCTNet: An Open-Source Deep Learning Approach to Identify Covid-19 Using CT Image

Tahereh Javaheri, Morteza Homayounfar+20 more|arXiv (Cornell University)|May 6, 2020

COVID-19 diagnosis using AI参考文献 34被引用数 42

ひとこと要約

CovidCTNet は CT 画像から Covid-19 を識別するオープンソースの深層学習フレームワークで、約 90% の精度を達成し、このタスクで放射線科医を上回っています。

ABSTRACT

Coronavirus disease 2019 (Covid-19) is highly contagious with limited treatment options. Early and accurate diagnosis of Covid-19 is crucial in reducing the spread of the disease and its accompanied mortality. Currently, detection by reverse transcriptase polymerase chain reaction (RT-PCR) is the gold standard of outpatient and inpatient detection of Covid-19. RT-PCR is a rapid method, however, its accuracy in detection is only ~70-75%. Another approved strategy is computed tomography (CT) imaging. CT imaging has a much higher sensitivity of ~80-98%, but similar accuracy of 70%. To enhance the accuracy of CT imaging detection, we developed an open-source set of algorithms called CovidCTNet that successfully differentiates Covid-19 from community-acquired pneumonia (CAP) and other lung diseases. CovidCTNet increases the accuracy of CT imaging detection to 90% compared to radiologists (70%). The model is designed to work with heterogeneous and small sample sizes independent of the CT imaging hardware. In order to facilitate the detection of Covid-19 globally and assist radiologists and physicians in the screening process, we are releasing all algorithms and parametric details in an open-source format. Open-source sharing of our CovidCTNet enables developers to rapidly improve and optimize services, while preserving user privacy and data ownership.

研究の動機と目的

• RT-PCR の制限と CT 画像の利点を考慮した迅速で正確な Covid-19 スクリーニングを動機づける。
• Covid-19 を CAP および他の肺疾患と区別するためのオープンソースでハードウェアに依存しないアルゴリズムセットを提供する。
• ユーザープライバシーとデータ ownership を保護しつつ、迅速で世界的にアクセス可能な改善と展開を可能にする。

提案手法

• CT 画像を用いて Covid-19 を CAP および他の肺疾患と区別できるオープンソースの CovidCTNet パイプラインを開発する。
• ヒテロゲネous な、小規模サンプルサイズと異なる CT 画像ハードウェアで動作するよう設計する。
• コミュニティ主導の改善を促進するため、すべてのアルゴリズムとパラメトリックの詳細をオープンソース形式で公開する。
• 深層学習を活用して CT ベースの検出精度を放射線科医を超えることに焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 CT 画像は CovidCTNet フレームワークを用いて、Covid-19 を CAP および他の肺疾患から信頼性高く識別できるか？
• RQ2 異質で小規模サンプルの CT データセットに対して、CovidCTNet は放射線科医と比べてどの程度の精度を達成できるか？
• RQ3 提案されたオープンソース手法は CT ハードウェアおよび画像条件の変化に対して堅牢か？
• RQ4 オープンソース共有は Covid-19 検出ツールのプライバシー、データ所有権、グローバル展開にどのような影響を与えるか？

主な発見

• CovidCTNet は CT ベースの検出精度を約 90% に引き上げる。
• この文脈で放射線科医は約 70% の精度を達成するのに対し、モデルの性能はそれを上回る。
• すべてのアルゴリズムとパラメトリックの詳細は迅速なグローバル改善を可能にするためオープンソース形式で公開される。
• アプローチはハードウェアに依存しないよう設計されており、異質で小規模なデータセットにもスケーラブル。
• オープンソース共有は、広範な展開を可能にしつつユーザープライバシーとデータ所有権を守ることを目的とする。