[論文レビュー] COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose COVID-19 in X-Ray Images

Ezz El‐Din Hemdan, Marwa A. Shouman+1 more|arXiv (Cornell University)|Mar 24, 2020

COVID-19 diagnosis using AI参考文献 41被引用数 972

ひとこと要約

小規模なデータセットを用いて胸部X線画像からCOVID-19を分類する7つの深層CNNアーキテクチャからなるフレームワーク、COVIDX-Netを紹介する。正常クラスとCOVID-19クラスのf1スコアが競争力のある値であることを報告。

ABSTRACT

Background and Purpose: Coronaviruses (CoV) are perilous viruses that may cause Severe Acute Respiratory Syndrome (SARS-CoV), Middle East Respiratory Syndrome (MERS-CoV). The novel 2019 Coronavirus disease (COVID-19) was discovered as a novel disease pneumonia in the city of Wuhan, China at the end of 2019. Now, it becomes a Coronavirus outbreak around the world, the number of infected people and deaths are increasing rapidly every day according to the updated reports of the World Health Organization (WHO). Therefore, the aim of this article is to introduce a new deep learning framework; namely COVIDX-Net to assist radiologists to automatically diagnose COVID-19 in X-ray images. Materials and Methods: Due to the lack of public COVID-19 datasets, the study is validated on 50 Chest X-ray images with 25 confirmed positive COVID-19 cases. The COVIDX-Net includes seven different architectures of deep convolutional neural network models, such as modified Visual Geometry Group Network (VGG19) and the second version of Google MobileNet. Each deep neural network model is able to analyze the normalized intensities of the X-ray image to classify the patient status either negative or positive COVID-19 case. Results: Experiments and evaluation of the COVIDX-Net have been successfully done based on 80-20% of X-ray images for the model training and testing phases, respectively. The VGG19 and Dense Convolutional Network (DenseNet) models showed a good and similar performance of automated COVID-19 classification with f1-scores of 0.89 and 0.91 for normal and COVID-19, respectively. Conclusions: This study demonstrated the useful application of deep learning models to classify COVID-19 in X-ray images based on the proposed COVIDX-Net framework. Clinical studies are the next milestone of this research work.

研究の動機と目的

• 胸部X線画像からのCOVID-19自動診断を動機づけ、放射線科医を支援する。
• 複数の深層CNNアーキテクチャを用いてX線画像からCOVID-19の状態を分類するフレームワーク（COVIDX-Net）を提案する。
• 小規模で初期の公開データセットで性能を評価し、この文脈における深層学習の実現可能性を示す。

提案手法

• COVIDX-Net内の分類器として、改変されたVGG19やMobileNet v2を含む7つのCNNアーキテクチャを検討する。
• 正規化された画像強度を分類の入力特徴として用いる。
• データの80%を訓練に、20%をテストに分けてCOVID-19検出性能を評価する。
• 特定のX線画像に対して陰性か陽性かのCOVID-19ステータスを出力するフレームワークを提供する。

実験結果

リサーチクエスチョン

• RQ1 限られたデータにもかかわらず、複数のCNNアーキテクチャからなるフレームワークは胸部X線画像からCOVID-19を効果的に分類できるか？
• RQ2 COVIDX-Net内のどのアーキテクチャがCOVID-19検出の感度と特異度の最良のバランスを生み出すか？
• RQ3 利用可能なデータセットにおける正常クラスとCOVID-19クラスのCOVIDX-Netの性能はどのように比較されるか？

主な発見

• 利用可能なデータセットにおいて、VGG19とDenseNet変種は類似した自動COVID-19分類性能を達成した。
• 報告されたf1スコア: 正常クラス0.89、COVID-19クラス0.91。
• 本研究は提案されたフレームワーク内でX線画像のCOVID-19を分類するdeep learningモデルの有用性を示している。