[論文レビュー] Face Mask Assistant: Detection of Face Mask Service Stage Based on Mobile Phone

Yuzhen Chen, Menghan Hu+5 more|arXiv (Cornell University)|Oct 9, 2020

COVID-19 diagnosis using AI参考文献 40被引用数 14

ひとこと要約

本論文では、スマートフォンに取り付けたモバイル顕微鏡とGLCMテクスチャ解析を用いたモバイルフォンベースのシステムを提案し、手術用マスクの使用段階（『通常使用』、『早期警告』、『推奨しない』）を同定する。KNN分類を用いたマイクロフォトグラフで82.87% ± 8.50%の精度を達成し、COVID-19パンデミック期における安全なマスク使用の延長を実現する低コストでポータブルなソリューションを提供する。

ABSTRACT

Coronavirus Disease 2019 (COVID-19) has spread all over the world since it broke out massively in December 2019, which has caused a large loss to the whole world. Both the confirmed cases and death cases have reached a relatively frightening number. Syndrome coronaviruses 2 (SARS-CoV-2), the cause of COVID-19, can be transmitted by small respiratory droplets. To curb its spread at the source, wearing masks is a convenient and effective measure. In most cases, people use face masks in a high-frequent but short-time way. Aimed at solving the problem that we don't know which service stage of the mask belongs to, we propose a detection system based on the mobile phone. We first extract four features from the GLCMs of the face mask's micro-photos. Next, a three-result detection system is accomplished by using KNN algorithm. The results of validation experiments show that our system can reach a precision of 82.87% (standard deviation=8.5%) on the testing dataset. In future work, we plan to expand the detection objects to more mask types. This work demonstrates that the proposed mobile microscope system can be used as an assistant for face mask being used, which may play a positive role in fighting against COVID-19.

研究の動機と目的

• 日常的・一般に使用される手術用マスクの使用段階を特定するためのツールの不足に対処すること。
• 視覚的劣化に基づいて、使用可能かどうかを評価できるポータブルで低コストかつ使いやすいシステムの開発。
• マスクの使用期限が切れた時点で使用を停止する検出により、マスクの使用効率を向上させ、不足時における廃棄を削減すること。
• 高解像度のマイクロフォトグラフが、正確な検出に不可欠であることを検証すること。
• 実用的デプロイメントを考慮し、三段階分類を二段階分類モデルに簡素化する可能性を検討すること。

提案手法

• スマートフォンに取り付けたモバイル顕微鏡を用いて、使用済み手術用マスクのマイクロフォトグラフを撮影する。
• マイクロフォトグラフのグレイレベローカンジューショウマトリクス（GLCM）から、4つのテクスチャ特徴量（コントラスト、相関、エナジー、一様性）を抽出する。
• K-近傍法（KNN）を用いて、マスクを『通常使用』、『早期警告』、『推奨しない』のいずれかの使用段階に分類する。
• 異なる使用期間にわたって収集したマイクロフォトグラフのデータセットを用いてシステムを検証し、精度と標準偏差を指標に結果を報告する。
• 標準スマートフォンカメラ画像とマイクロフォトグラフの間で検出性能を比較し、高解像度画像の必要性を評価する。
• 『通常使用』と『早期警告』を1つのクラス『通常使用』に統合した簡素化された二値分類モデルを提案する。

実験結果

リサーチクエスチョン

• RQ1 使用済み手術用マスクのマイクロフォトグラフから抽出したテクスチャ特徴量は、その使用段階を信頼性高く示すことができるか？
• RQ2 標準スマートフォンカメラ画像と高解像度マイクロフォトグラフを用いた場合、検出システムの性能にどのような差が生じるか？
• RQ3 三段階分類から二段階分類に簡素化したモデルは、三段階分類に比べて検出精度を向上させることができるか？
• RQ4 コントラストや一様性などのテクスチャ特徴量の変化が、マスク使用時間の増加とどの程度相関しているか？
• RQ5 低コストのモバイル顕微鏡を備えたスマートフォンベースのシステムは、リアルタイムかつ現地でマスク使用段階を検出するために実用的かつ効果的か？

主な発見

• 提案されたシステムは、GLCMテクスチャ特徴量を用いたKNN分類により、三段階のマスク使用段階分類で82.87% ± 8.50%の精度を達成した。
• モバイル顕微鏡で撮影したマイクロフォトグラフは、通常のスマートフォンカメラ画像では検出できない、マスクの穴内にたまったドロップレットや不純物といった重要な詳細を明らかにした。
• 標準スマートフォンカメラ画像では、『推奨しない』マスクが誤って『通常使用』に分類された。これは、本システムにおいて高解像度マイクロフォトグラフの必要性が極めて高いことを示している。
• 『通常使用』と『早期警告』を1つのクラスに統合した二値分類モデルにより、分類の複雑さが軽減され、精度が88.51%まで向上した。
• 長期間の使用に伴い、コントラストと相関は上昇し、エナジーと一様性は低下した。これは、時間経過に伴う測定可能なテクスチャ劣化を示している。
• 本システムは、マイクロフォトグラフのテクスチャ解析が、公衆衛生危機期における安全なマスク使用を延長する実用的でポータブルなツールとして機能できることを示している。