[論文レビュー] TeliNet, a simple and shallow Convolution Neural Network (CNN) to Classify CT Scans of COVID-19 patients.

Mohammad Nayeem Teli|arXiv (Cornell University)|Jul 10, 2021

COVID-19 diagnosis using AI参考文献 18被引用数 1

ひとこと要約

TeliNetは、COVID-19患者のCTスキャンを高精度で分類するために設計された軽量で浅い畳み込みニューラルネットワーク（CNN）である。計算複雑性を低く保ちながら、VGGNet やベンチマークモデルと比較して優れたF1スコアを達成する。

ABSTRACT

Hundreds of millions of cases and millions of deaths have occurred worldwide due to COVID-19. The fight against this pandemic is on-going on multiple fronts. While vaccinations are picking up speed, there are still billions of unvaccinated people. In this fight diagnosis of the disease and isolation of the patients to prevent any spreads play a huge role. Machine Learning approaches have assisted the diagnosis of COVID-19 cases by analyzing chest X-ray and CT-scan images of patients. In this research we present a simple and shallow Convolutional Neural Network based approach, TeliNet, to classify CT-scan images of COVID-19 patients. Our results outperform the F1 score of VGGNet and the benchmark approaches. Our proposed solution is also more lightweight in comparison to the other methods.

研究の動機と目的

• CTスキャンからのCOVID-19の迅速かつ正確な分類のための軽量ディープラーニングモデルを開発すること。
• 計算リソースが限られた地域における効率的な診断ツールのニーズに対応すること。
• より単純なアーキテクチャを用いて、VGGNetなどの既存のベンチマークモデルを上回る分類性能を向上させること。
• COVID-19検出における診断精度を損なわず、モデルの複雑性を低減すること。

提案手法

• 計算負荷を低減するために、層数とパラメータ数を減らした浅い畳み込みニューラルネットワーク（CNN）アーキテクチャの設計。
• CTスキャン画像からの空間的特徴を抽出するために畳み込み層を活用。
• ReLU活性化関数やプーリング層といった標準的なディープラーニングコンponentsを用いて特徴学習と次元削減を実施。
• 分類性能を最適化するために、ラベル付きCTスキャンデータセット上でエンドツーエンドでモデルを学習。
• 最適化手法として確率的勾配降下法（SGD）などの標準的手法を採用。
• テストセットのCTスキャンを用いて、F1スコア、精度、再現率といった標準指標を用いて性能を評価。

実験結果

リサーチクエスチョン

• RQ1 浅く軽量なCNNは、VGGNetのような深層モデルと比較して、CTスキャンからのCOVID-19分類においてより高いF1スコアを達成できるか？
• RQ2 モデルの単純さが、高い診断精度を維持したまま、計算コストをどの程度低減できるか？
• RQ3 TeliNetは、F1スコアおよび推論効率の観点から、既存のベンチマークモデルと比較してどのように差をつけるか？
• RQ4 最小限のアーキテクチャでも、CTスキャン画像からの判別可能な特徴を十分に抽出でき、信頼性の高いCOVID-19分類が可能か？

主な発見

• TeliNetは、同じCTスキャン分類タスクにおいて、VGGNetを上回る高いF1スコアを達成した。
• 提案されたモデルは、分類性能の観点でベンチマーク手法を上回った。
• TeliNetは軽量なアーキテクチャを維持しており、リソース制限のある環境への展開に適している。
• モデルの単純さとパラメータ数の削減にもかかわらず、強力な診断性能を示した。