[논문 리뷰] CovidCTNet: An Open-Source Deep Learning Approach to Identify Covid-19 Using CT Image

Tahereh Javaheri, Morteza Homayounfar외 20명|arXiv (Cornell University)|2020. 05. 06.

COVID-19 diagnosis using AI참고 문헌 34인용 수 42

한 줄 요약

CovidCTNet은 CT 영상에서 Covid-19를 식별하는 오픈 소스 딥러닝 프레임워크로, 약 90% 정확도를 달성하고 이 작업에서 방사선과 전문의보다 우수한 성능을 보입니다.

ABSTRACT

Coronavirus disease 2019 (Covid-19) is highly contagious with limited treatment options. Early and accurate diagnosis of Covid-19 is crucial in reducing the spread of the disease and its accompanied mortality. Currently, detection by reverse transcriptase polymerase chain reaction (RT-PCR) is the gold standard of outpatient and inpatient detection of Covid-19. RT-PCR is a rapid method, however, its accuracy in detection is only ~70-75%. Another approved strategy is computed tomography (CT) imaging. CT imaging has a much higher sensitivity of ~80-98%, but similar accuracy of 70%. To enhance the accuracy of CT imaging detection, we developed an open-source set of algorithms called CovidCTNet that successfully differentiates Covid-19 from community-acquired pneumonia (CAP) and other lung diseases. CovidCTNet increases the accuracy of CT imaging detection to 90% compared to radiologists (70%). The model is designed to work with heterogeneous and small sample sizes independent of the CT imaging hardware. In order to facilitate the detection of Covid-19 globally and assist radiologists and physicians in the screening process, we are releasing all algorithms and parametric details in an open-source format. Open-source sharing of our CovidCTNet enables developers to rapidly improve and optimize services, while preserving user privacy and data ownership.

연구 동기 및 목표

• RT-PCR의 한계와 CT 영상의 이점을 고려한 신속하고 정확한 Covid-19 선별의 필요성.
• Covid-19를 CAP 및 다른 폐질환과 구분하기 위한 오픈 소스 하드웨어 비의존적 알고리즘 세트를 제공합니다.
• 사용자 프라이버시와 데이터 소유권을 보존하면서 전 세계적으로 빠르고 접근 가능한 개선 및 배포를 가능하게 합니다.

제안 방법

• CT 이미지를 사용하여 Covid-19를 CAP 및 다른 폐질환과 구분할 수 있는 오픈 소스 CovidCTNet 파이프라인 개발.
• 이질적이고 소규모 샘플 크기 및 서로 다른 CT 이미징 하드웨어에서 작동하도록 설계.
• 커뮤니티 주도적 개선을 촉진하기 위해 모든 알고리즘과 매개변수 세부 정보를 오픈 소스 형식으로 게시.
• 딥러닝을 활용하여 방사선과 전문의보다 CT 기반 탐지 정확도 향상에 집중._

실험 결과

연구 질문

• RQ1 CovidCTNet 프레임워크를 이용한 CT 영상이 Covid-19를 CAP 및 다른 폐질환과 신뢰성 있게 구분할 수 있나요?
• RQ2 이질적이고 소규모 CT 데이터 세트에서 CovidCTNet의 정확도는 방사선과 전문의와 비교했을 때 얼마나 달성될 수 있나요?
• RQ3 제안된 오픈 소스 접근 방식이 CT 하드웨어 및 이미징 조건의 변화에 대해 얼마나 강인한가요?
• RQ4 오픈 소스 공유가 Covid-19 탐지 도구의 프라이버시, 데이터 소유권 및 글로벌 배치에 어떤 영향을 미치나요?

주요 결과

• CovidCTNet은 CT 기반 탐지 정확도를 약 90%로 증가시킵니다.
• 모델의 성능은 이 맥락에서 약 70% 정확도를 달성하는 방사선과 전문의를 능가합니다.
• 모든 알고리즘과 매개변수 세부 정보가 오픈 소스 형식으로 공개되어 전 세계적으로 신속한 개선이 가능하게 합니다.
• 이 접근법은 이질적이고 소규모 데이터 세트에 대해 하드웨어 비의존적이고 확장 가능하도록 설계되었습니다.
• 오픈 소스 공유는 사용자 프라이버시와 데이터 소유권을 보존하면서 광범위한 배포를 가능하게 합니다.