[論文レビュー] Using Deep Convolutional Neural Networks to Diagnose COVID-19 From Chest X-Ray Images

Yi Zhong|arXiv (Cornell University)|Jul 19, 2020

COVID-19 diagnosis using AI参考文献 4被引用数 14

ひとこと要約

本研究では、オープンソースのCOVID-19胸部X線画像データセット（COVID-19-CXR-Dataset）を用いてトレーニングされたディープ畳み込みニューラルネットワーク（CNN）モデルを提案し、レントゲン画像からCOVID-19を診断する。テストセット740枚の画像において、87.3%の正確性、89.67%の適合率、84.46%の再現率を達成し、100例の確定COVID-19症例のうち98例を高い信頼性で正しく特定した。

ABSTRACT

The COVID-19 epidemic has become a major safety and health threat worldwide. Imaging diagnosis is one of the most effective ways to screen COVID-19. This project utilizes several open-source or public datasets to present an open-source dataset of COVID-19 CXRs, named COVID-19-CXR-Dataset, and introduces a deep convolutional neural network model. The model validates on 740 test images and achieves 87.3% accuracy, 89.67 % precision, and 84.46% recall, and correctly classifies 98 out of 100 COVID-19 x-ray images in test set with more than 81% prediction probability under the condition of 95% confidence interval. This project may serve as a reference for other researchers aiming to advance the development of deep learning applications in medical imaging.

研究の動機と目的

• 胸部X線画像を用いた自動診断のためのディープラーニングモデルの開発。
• COVID-19胸部X線画像のオープンソースデータセット（COVID-19-CXR-Dataset）の作成および公開、広範な研究利用を目的とする。
• 標準化されたテストセット740枚の画像を用いた、提案モデルの性能評価。
• 医療画像を用いた早期かつ正確なCOVID-19検出に、ディープラーニングを適用する可能性の実証。
• AI駆動の医療画像診断分野における今後の研究の再現可能性を高めるフレームワークの提供。

提案手法

• 本研究では、精選された胸部X線画像データセットをエンドツーエンドでトレーニングしたディープ畳み込みニューラルネットワーク（CNN）アーキテクチャを採用した。
• トレーニングデータセットは、多様性と代表性を確保するため、複数の公的およびオープンソースのデータソースから構成された。
• モデルは、100例の確定COVID-19症例を含む740枚の画像からなるホールドアウトテストセットで検証された。
• 正確性、適合率、再現率、予測確率のしきい値といった標準的な指標を用いて性能を評価した。
• COVID-19症例の予測確率の信頼性を評価するために、95%信頼区間が適用された。
• 再現可能性およびさらなる研究を支援するため、オープンソースデータセット（COVID-19-CXR-Dataset）を公開した。

実験結果

リサーチクエスチョン

• RQ1 ディープCNNモデルは、胸部X線画像のみを用いて、COVID-19と他の疾患を区別する診断において高い正確性を達成できるか？
• RQ2 標準化されたテストセット740枚の胸部X線画像（うち100例が確定COVID-19）において、モデルの性能はいかがであるか？
• RQ3 COVID-19症例に対するモデルの予測信頼度はどの程度で、予測確率が81%を超える例はいくつ正しく分類されたか？
• RQ4 オープンソースデータセット（COVID-19-CXR-Dataset）は、医療AI分野における再現可能でスケーラブルな研究をどの程度支援できるか？
• RQ5 モデルは十分に一般化できる程度の性能を持ち、今後のAIベースの医療画像診断分野における基準として機能できるか？

主な発見

• テストセット740枚の胸部X線画像において、モデルは全体で87.3%の正確性を達成した。
• 適合率は89.67%であり、分類における偽陽性の発生率が低いことを示している。
• 再現率は84.46%であり、実際のCOVID-19症例の84.46%が正しく同定されたことを意味する。
• テストセットに含まれる100例の確定COVID-19症例のうち、98例が予測確率81%を超える高い信頼度で正しく分類された。
• 結果は95%信頼区間のもとで得られ、高信頼度の予測の統計的信頼性が確認された。
• オープンソースデータセット（COVID-19-CXR-Dataset）は、医療画像およびAI診断分野における今後の研究を支援する目的で、正常に構成され公開された。