[論文レビュー] Monkeypox Skin Lesion Detection Using Deep Learning Models: A Feasibility Study

Shams Nafisa Ali, Md. Tazuddin Ahmed+5 more|arXiv (Cornell University)|Jul 6, 2022

Poxvirus research and outbreaks被引用数 126

ひとこと要約

この論文はMonkeypox Skin Lesion Dataset (MSLD)を導入し、皮膚病変を用いた猿痘検出のために転移学習CNN（VGG16、ResNet50、InceptionV3）を評価し、3分割交差検証でResNet50が最も高い精度を達成。プロトタイプのウェブツールでスクリーニングを提案。

ABSTRACT

The recent monkeypox outbreak has become a public health concern due to its rapid spread in more than 40 countries outside Africa. Clinical diagnosis of monkeypox in an early stage is challenging due to its similarity with chickenpox and measles. In cases where the confirmatory Polymerase Chain Reaction (PCR) tests are not readily available, computer-assisted detection of monkeypox lesions could be beneficial for surveillance and rapid identification of suspected cases. Deep learning methods have been found effective in the automated detection of skin lesions, provided that sufficient training examples are available. However, as of now, such datasets are not available for the monkeypox disease. In the current study, we first develop the ``Monkeypox Skin Lesion Dataset (MSLD)" consisting skin lesion images of monkeypox, chickenpox, and measles. The images are mainly collected from websites, news portals, and publicly accessible case reports. Data augmentation is used to increase the sample size, and a 3-fold cross-validation experiment is set up. In the next step, several pre-trained deep learning models, namely, VGG-16, ResNet50, and InceptionV3 are employed to classify monkeypox and other diseases. An ensemble of the three models is also developed. ResNet50 achieves the best overall accuracy of $82.96(\pm4.57\%)$, while VGG16 and the ensemble system achieved accuracies of $81.48(\pm6.87\%)$ and $79.26(\pm1.05\%)$, respectively. A prototype web-application is also developed as an online monkeypox screening tool. While the initial results on this limited dataset are promising, a larger demographically diverse dataset is required to further enhance the generalizability of these models.

研究の動機と目的

• Monkeypox Skin Lesion Dataset (MSLD)を含む monkeypox、water?（注：原文は chickenpox）、麻疹（measles）の画像を含むオープンなデータセットを作成する。
• 転移学習CNNを用いた二値分類（猿痘 vs その他）の皮膚病変分類の実現可能性を評価する。
• 三つの事前学習モデル（VGG16、ResNet50、InceptionV3）とエン ensembleを精度と一貫性のために評価する。
• モデルに基づく遠隔スクリーニングのプロトタイプウェブアプリケーションを開発する。

提案手法

• Monkeypox Skin Lesion Dataset (MSLD)を228原画像と3192拡張画像で組み立て・前処理する。
• データ拡張を適用する（回転、平行移動、反転、色相、彩度、明度、ノイズ、ぼかし、スケーリング）。
• 下位の8層を凍結解除し、3つのFC層とドロップアウトを追加して、事前学習CNN（VGG16、ResNet50、InceptionV3）を微調整する。
• Adamオプティマイザ（lr=1e-5）、二値交差エントロピー損失、バッチサイズ16、224x224x3入力、3分割交差検証（70/10/20分割）で訓練する。
• 精度、適合率、F1スコア、感度を用いて評価し、Fold間の平均と標準偏差を報告する。
• 最良モデルをユーザーがアップロードした病変を分析するためのプロトタイプウェブアプリに展開する。

実験結果

リサーチクエスチョン

• RQ1 公衆のMonkeypox Skin Lesion Dataset (MSLD)は皮膚病変から猿痘の機械学習ベースのスクリーニングを可能にするか？
• RQ2 事前学習CNN（VGG16、ResNet50、InceptionV3）は転移学習を用いてMSLD上で猿痘対その他の二値分類を信頼できる精度で達成するか？
• RQ3 三つのモデルのアンサンブルはfold間でより頑健または一貫性があるか？
• RQ4 これらのモデルを用いたウェブベースのスクリーニングツールの遠隔事前評価の実現可能性は？

主な発見

Model	Accuracy (%)	Precision	Recall	F1 score
VGG16	81.48 ± 6.87	0.85 ± 0.08	0.81 ± 0.05	0.83 ± 0.06
ResNet50	82.96 ± 4.57	0.87 ± 0.07	0.83 ± 0.02	0.84 ± 0.03
InceptionV3	74.07 ± 3.78	0.74 ± 0.02	0.81 ± 0.07	0.78 ± 0.04
Ensemble	79.26 ± 1.05	0.84 ± 0.05	0.79 ± 0.07	0.81 ± 0.02

• ResNet50は最高の精度を達成: 82.96% (±4.57)。
• VGG16は81.48% (±6.87)の精度。
• InceptionV3は74.07% (±3.78)の精度。
• Ensembleは79.26% (±1.05)の精度で、fold間で最も低い標準偏差を示した。
• 本研究はデータセット規模と対象の多様性が一般化の主な制約であると指摘。
• オンラインスクリーニングのためのプロトタイプウェブアプリを開発した。