[논문 리뷰] COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose COVID-19 in X-Ray Images

Ezz El‐Din Hemdan, Marwa A. Shouman외 1명|arXiv (Cornell University)|2020. 03. 24.

COVID-19 diagnosis using AI참고 문헌 41인용 수 972

한 줄 요약

COVIDX-Net을 도입한 프레임워크로, 소규모 데이터세트를 사용하여 흉부 X-선 이미지로부터 COVID-19를 분류하기 위한 일곱 개의 깊은 CNN 아키텍처를 제시합니다; 정상(normal) 및 COVID-19 클래스에 대해 경쟁력 있는 f1-점수를 보고합니다.

ABSTRACT

Background and Purpose: Coronaviruses (CoV) are perilous viruses that may cause Severe Acute Respiratory Syndrome (SARS-CoV), Middle East Respiratory Syndrome (MERS-CoV). The novel 2019 Coronavirus disease (COVID-19) was discovered as a novel disease pneumonia in the city of Wuhan, China at the end of 2019. Now, it becomes a Coronavirus outbreak around the world, the number of infected people and deaths are increasing rapidly every day according to the updated reports of the World Health Organization (WHO). Therefore, the aim of this article is to introduce a new deep learning framework; namely COVIDX-Net to assist radiologists to automatically diagnose COVID-19 in X-ray images. Materials and Methods: Due to the lack of public COVID-19 datasets, the study is validated on 50 Chest X-ray images with 25 confirmed positive COVID-19 cases. The COVIDX-Net includes seven different architectures of deep convolutional neural network models, such as modified Visual Geometry Group Network (VGG19) and the second version of Google MobileNet. Each deep neural network model is able to analyze the normalized intensities of the X-ray image to classify the patient status either negative or positive COVID-19 case. Results: Experiments and evaluation of the COVIDX-Net have been successfully done based on 80-20% of X-ray images for the model training and testing phases, respectively. The VGG19 and Dense Convolutional Network (DenseNet) models showed a good and similar performance of automated COVID-19 classification with f1-scores of 0.89 and 0.91 for normal and COVID-19, respectively. Conclusions: This study demonstrated the useful application of deep learning models to classify COVID-19 in X-ray images based on the proposed COVIDX-Net framework. Clinical studies are the next milestone of this research work.

연구 동기 및 목표

• 흉부 X-선 이미지를 통한 자동화된 COVID-19 진단을 촉진하여 방사선과 의사를 돕다.
• 다중 깊은 CNN 아키텍처를 사용하여 X-선 이미지에서 COVID-19 상태를 분류하는 프레임워크(COVIDX-Net)를 제안하다.
• 작고 초기의 공공 데이터세트에서 성능을 평가하고 이 맥 context에서 딥 러닝의 타당성을 입증하다.

제안 방법

• COVID-X-Net 내에서 분류기로서 modified VGG19 및 MobileNet v2를 포함한 일곱 개의 CNN 아키텍처를 탐색하다.
• 분류를 위한 입력 특징으로 정규화된 이미지 강도를 사용하다.
• 데이터의 80%로 학습하고 20%로 테스트하여 COVID-19 검출 성능을 평가하다.
• 주어진 X-선 이미지에 대해 음성 대 양성 COVID-19 상태를 출력하는 프레임워크를 제공하다.

실험 결과

연구 질문

• RQ1 제한된 데이터에도 불구하고 여러 CNN 아키텍처의 프레임워크가 흉부 X-선 이미지에서 COVID-19를 효과적으로 분류할 수 있을까?
• RQ2 COVIDX-Net 내부에서 어떤 아키텍처가 COVID-19 검출에 대한 민감도와 특이도 사이의 최상의 균형을 제공하는가?
• RQ3 가용한 데이터세트에서 정상 클래스와 COVID-19 클래스 간의 성능 차이는 어떤가?

주요 결과

• 이용 가능한 데이터세트에서 VGG19와 DenseNet 변형들이 유사한 자동 COVID-19 분류 성능을 달성했다.
• 보고된 f1-점수: 정상 클래스 0.89, COVID-19 클래스 0.91.
• 본 연구는 제안된 프레임워크 내에서 X-선 이미지에서 COVID-19를 분류하기 위한 딥 러닝 모델의 유용성을 입증한다.