[논문 리뷰] CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning

Pranav Rajpurkar, Jeremy Irvin외 10명|arXiv (Cornell University)|2017. 11. 14.

COVID-19 diagnosis using AI인용 수 1,447

한 줄 요약

CheXNet은 ChestX-ray14에서 학습된 121층 DenseNet으로 흉부 X선에서 폐렴을 방사선과 전문의 수준과 경쟁하는 성능으로 탐지하고, 14개의 질환 모두에 대해 최첨단 결과를 확장하며, 병리학 위치를 로컬라이즈하는 열지도(CAM)도 제공합니다.

ABSTRACT

We develop an algorithm that can detect pneumonia from chest X-rays at a level exceeding practicing radiologists. Our algorithm, CheXNet, is a 121-layer convolutional neural network trained on ChestX-ray14, currently the largest publicly available chest X-ray dataset, containing over 100,000 frontal-view X-ray images with 14 diseases. Four practicing academic radiologists annotate a test set, on which we compare the performance of CheXNet to that of radiologists. We find that CheXNet exceeds average radiologist performance on the F1 metric. We extend CheXNet to detect all 14 diseases in ChestX-ray14 and achieve state of the art results on all 14 diseases.

연구 동기 및 목표

• practicing radiologists를 넘는 흉부 X선의 자동 폐렴 탐지 모델 개발
• ChestX-ray14 데이터셋을 활용해 다중 흉부 병리학에 대한 심층 네트워크 학습
• 예측에 기여하는 영역을 나타내는 로컬라이제이션 히트맵 제공

제안 방법

• pneumonia 존재를 위한 단일 시그모이드 출력과 함께 ImageNet에서 사전 학습된 121층 DenseNet 사용
• 클래스 불균형을 다루기 위한 가중 이진 교차 엔트로피 최적화(w+ 및 w− 가중치)
• 검증 손실 기반 학습률 스케줄링으로 Adam을 사용하여 엔드투엔드 학습
• 모든 병리학에 대해 독립적인 이진 교차 엔트로피 손실을 갖는 14-클래스 벡터로 모델 확장
• 부트스트랩 신뢰구간으로 420 이미지의 테스트 세트에서 방사선과와의 F1 점수 평가

실험 결과

연구 질문

• RQ1 흉부 X선에서 깊은 CNN이 폐렴 탐지에 대해 방사선과 수준의 성능을 달성할 수 있는가?
• RQ2 모델을 14개의 병리학으로 확장하면 모든 클래스에서 AUROC가 최첨단 수준이 되는가?
• RQ3 클래스 활성화 맵이 X선 이미지에서 폐렴 관련 영역을 의미 있게 로컬라이즈할 수 있는가?

주요 결과

• CheXNet은 F1 점수 0.435(95% CI 0.387, 0.481)로 방사선과 평균 0.387(95% CI 0.330, 0.442)보다 높다.
• CheXNet의 폐렴 탐지 성능은 방사선과와 통계적으로 유의하게 높다(차이 0.051, 95% CI 0.005, 0.084).
• ChestX-ray14에서 CheXNet은 모든 14개 병리 클래스에서 기존 최첨단을 능가한다(클래스별 AUROC).
• Mass, Nodule, Pneumonia, Emphysema에서 특히 AUROC 증가가 커 보인다(증가 >0.05).
• 모델은 예측에 기여하는 영역을 로컬라이즈하기 위한 클래스 활성화 맵을 제공한다.
• CheXNet은 112,120장의 이미지로 학습되었고, 폐렴에 대해 방사선과가 평가한 테스트 세트는 420장이다.