[논문 리뷰] COVID_MTNet: COVID-19 Detection with Multi-Task Deep Learning Approaches

Md Zahangir Alom, M M Shaifur Rahman외 3명|arXiv (Cornell University)|2020. 04. 07.

COVID-19 diagnosis using AI인용 수 83

한 줄 요약

이 논문은 X-ray 및 CT 영상에서 COVID-19 탐지를 위한 다중 태스크 딥러닝 프레임워크를 제시하며, 탐지용 Inception Residual Recurrent CNN with Transfer Learning과 감염 영역 분할용 NABLA-N을 사용하고, 새로운 정량 분석을 도입합니다.

ABSTRACT

COVID-19 is currently one the most life-threatening problems around the world. The fast and accurate detection of the COVID-19 infection is essential to identify, take better decisions and ensure treatment for the patients which will help save their lives. In this paper, we propose a fast and efficient way to identify COVID-19 patients with multi-task deep learning (DL) methods. Both X-ray and CT scan images are considered to evaluate the proposed technique. We employ our Inception Residual Recurrent Convolutional Neural Network with Transfer Learning (TL) approach for COVID-19 detection and our NABLA-N network model for segmenting the regions infected by COVID-19. The detection model shows around 84.67% testing accuracy from X-ray images and 98.78% accuracy in CT-images. A novel quantitative analysis strategy is also proposed in this paper to determine the percentage of infected regions in X-ray and CT images. The qualitative and quantitative results demonstrate promising results for COVID-19 detection and infected region localization.

연구 동기 및 목표

• 임상 의사결정 및 치료 계획 지원을 위한 빠르고 정확한 COVID-19 탐지를 동기부여한다.
• 탐지와 감염 영역 분할을 모두 다루는 다중 태스크 딥러닝 파이프라인을 개발한다.
• 전이 학습을 활용하여 의료 영상 데이터셋에서 탐지 성능을 향상시킨다.
• 영상 속 감염 영역의 비율을 정량적으로 추정하는 방법을 제시한다.

제안 방법

• COVID-19 탐지를 위한 Inception Residual Recurrent Convolutional Neural Network with Transfer Learning을 적용한다.
• COVID-19에 의해 감염된 영역을 분할하기 위해 NABLA-N 네트워크를 적용한다.
• X-ray 및 CT 영상에서 감염 영역의 비율을 결정하는 새로운 정량 분석 전략을 제안한다.
• 다 modality에서의 견고성을 평가하기 위해 X-ray 및 CT 영상 데이터셋에서 접근법을 평가한다.

실험 결과

연구 질문

• RQ1 다중 태스크 딥러닝이 X-ray 및 CT 영상에서 COVID-19를 얼마나 정확하게 탐지할 수 있는가?
• RQ2 감염 영역의 분할이 탐지 보완에 기여하여 진단적 유용성을 향상시키는가?
• RQ3 전이 학습이 제한된 COVID-19 영상 데이터에서 탐지 성능을 향상시키는가?
• RQ4 영상에서 감염 영역의 비율을 정량화하는 제안된 방법은 무엇인가?

주요 결과

• X-ray 영상에서의 탐지 정확도 약 84.67%.
• CT 영상에서의 탐지 정확도 약 98.78%.
• 탐지와 감염 영역 분할을 결합한 다중 태스크 프레임워크가 효과적이었다.
• X-ray 및 CT 영상에서 감염 영역 비율을 추정하는 새로운 정량 분석 전략이 제시되었다.