[논문 리뷰] COVID-CT-MD: COVID-19 Computed Tomography (CT) Scan Dataset Applicable in Machine Learning and Deep Learning

Parnian Afshar, Shahin Heidarian외 8명|arXiv (Cornell University)|2020. 09. 28.

COVID-19 diagnosis using AIMedicine참고 문헌 13인용 수 19

한 줄 요약

이 논문은 환자 수준, 슬라이스 수준, 소엽 수준의 주석이 모두 포함된 총 171건의 코로나19, 76건의 정상, 60건의 사회성 감염성 폐렴(CAP) 사례를 포함하는 종합적인 CT 스캔 데이터셋인 COVID-CT-MD를 소개한다. 이 데이터셋은 기초의학 연구 및 심층 학습 응용 분야에서 코로나19 분류, 국소화, 분할에 활용 가능하며, 전체 CT 볼륨과 다중 수준 주석을 통해 진단 모델링 및 모델의 해석 가능성 향상에 기여한다.

ABSTRACT

Novel Coronavirus (COVID-19) has drastically overwhelmed more than 200 countries affecting millions and claiming almost 1 million lives, since its emergence in late 2019. This highly contagious disease can easily spread, and if not controlled in a timely fashion, can rapidly incapacitate healthcare systems. The current standard diagnosis method, the Reverse Transcription Polymerase Chain Reaction (RT- PCR), is time consuming, and subject to low sensitivity. Chest Radiograph (CXR), the first imaging modality to be used, is readily available and gives immediate results. However, it has notoriously lower sensitivity than Computed Tomography (CT), which can be used efficiently to complement other diagnostic methods. This paper introduces a new COVID-19 CT scan dataset, referred to as COVID-CT-MD, consisting of not only COVID-19 cases, but also healthy and subjects infected by Community Acquired Pneumonia (CAP). COVID-CT-MD dataset, which is accompanied with lobe-level, slice-level and patient-level labels, has the potential to facilitate the COVID-19 research, in particular COVID-CT-MD can assist in development of advanced Machine Learning (ML) and Deep Neural Network (DNN) based solutions.

연구 동기 및 목표

• 코로나19 연구를 위한 공개된, 다중 클래스, 다중 수준 주석이 부여된 CT 데이터셋의 부족을 보완한다.
• 완전한 CT 볼륨과 세부 주석이 포함된 표준화되고 고품질의 데이터셋을 제공하여 강력한 기계학습 및 심층 학습 모델 개발을 지원한다.
• 감염 부위를 소엽 및 슬라이스 수준에서 국소화할 수 있는 모델 개발을 촉진하여 진단 정확도 및 모델의 해석 가능성을 향상시킨다.
• 임상 환경에서의 차별 진단 향상을 위해 코로나19, CAP 및 정상 사례 간의 비교 연구를 지원한다.
• 모델의 일반화 및 강인성을 향상시키기 위해 합성 데이터 증강 기법과 생성 모델 개발을 가능하게 한다.

제안 방법

• 이란 테헤란의 바바크 영상센터에서 307건의 CT 스캔을 수집하여 확진된 코로나19, 정상 및 CAP 사례를 포함하였다.
• 세 명의 숙련된 방사선과 전문의로부터 다중 수준 주석을 확보: 환자 수준(전반적 진단), 슬라이스 수준(감염 여부), 소엽 수준(특정 소엽의 영향 여부).
• 데이터를 구조화된 폴더로 정리: 사례 유형(COVID-19, CAP, Normal) → 환자 ID → DICOM 형식의 CT 슬라이스.
• 슬라이스 수준 및 소엽 수준 주석을 이진 NumPy 배열로 저장: 'Slice-level-labels.npy'(2차원) 및 'Lobe-level-labels.npy'(3차원)로, 소엽 인덱스는解부학적 영역에 대응한다.
• 엄격한 포함 기준, 스캐너 校정(촬영 후 1일 이내) 및 연 1회 SIEMENS 품질 점검을 통해 데이터 품질을 확보하여 잡음 발생을 방지하였다.
• Figshare를 통해 데이터를 공개하고, 통계 분석 및 시각화를 위한 메타데이터 및 코드를 함께 제공하였다.

실험 결과

연구 질문

• RQ1 다중 클래스, 다중 수준 주석이 부여된 CT 데이터셋은 기계학습 모델이 코로나19, CAP 및 정상 사례를 구분하는 데 성능 향상에 기여하는가?
• RQ2 슬라이스 수준 및 소엽 수준 주석은 CT 영상에서 코로나19 감염의 국소화 및 모델의 해석 가능성에 어느 정도 기여하는가?
• RQ3 세부 주석이 부여된 전체 볼륨 CT 데이터는 분류 및 분할 작업에서 심층 학습 모델 훈련에 얼마나 효과적인가?
• RQ4 CAP 사례를 포함한 데이터셋의 포함 여부는 코로나19 진단을 위한 모델의 강인성 및 일반화 능력 향상에 기여하는가?
• RQ5 다중 수준 주석은 의료 영상 분야에서 합성 데이터 증강을 위한 생성 모델 개발에 어떤 영향을 미치는가?

주요 결과

• COVID-CT-MD 데이터셋은 확진된 코로나19 171건, 정상 76건, CAP 60건으로 구성되어 있으며, 모두 완전한 CT 볼륨과 다중 수준 주석이 제공된다.
• 이 데이터셋은 코로나19에 대해 소엽 수준 주석을 제공하는 유일한 공개된 자료로, 감염 부위를 해부학적 소엽 단위로 정밀하게 국소화할 수 있다.
• 슬라이스 수준 및 소엽 수준 주석은 이진 NumPy 배열로 저장되어 있으며, 소엽 인덱스는 다음과 같이 정의된다: 0(Lower Lobe, Left), 1(Upper Lobe, Left), 2(Lower Lobe, Right), 3(Middle Lobe, Right), 4(Upper Lobe, Right).
• 엄격한 품질 관리 조건 하에 수집되었으며, 스캐너 校정은 촬영 후 1일 이내로 이루어졌고, 연 1회 SIEMENS 품질 점검을 통해 잡음 발생을 방지하였다.
• 이 데이터셋은 두 단계의 캡슐 네트워크 모델(COVID-FACT)에 성공적으로 활용되어 슬라이스 수준 및 환자 수준 주석을 모두 사용하여 정확한 환자 수준 분류를 달성하였다.
• 이 데이터셋은 Figshare를 통해 공개되어 있으며 관련 코드와 함께 제공되어 재현성 및 의료 영상 AI 분야의 추가 연구를 가능하게 하였다.