[논문 리뷰] So You Need Datasets for Your COVID-19 Detection Research Using Machine Learning?

Fahimuzzman Sohan|arXiv (Cornell University)|2020. 08. 11.

COVID-19 diagnosis using AI참고 문헌 7인용 수 10

한 줄 요약

이 논문은 2020년 1월에서 6월 사이에 출판된 96篇의 기계학습 기반 코로나19 검출 연구에서 가장 자주 사용된 데이터셋을 종합하고 분류한다. 주요 데이터셋으로 코HEN JP 데이터셋, ChestX-ray8, 그리고 COVID-CT를 식별하며, 데이터 유형과 양성/음성 케이스 포함 여부에 따라 정리하여 향후 연구를 가속화하기 위해 개방형 접근 링크와 참고문헌을 제공한다.

ABSTRACT

Millions of people are infected by the coronavirus disease 2019 (COVID19) around the world. Machine Learning (ML) techniques are being used for COVID19 detection research from the beginning of the epidemic. This article represents the detailed information on frequently used datasets in COVID19 detection using Machine Learning (ML). We investigated 96 papers on COVID19 detection between January 2020 and June 2020. We extracted the information about used datasets from the articles and represented them here simultaneously. This investigation will help future researchers to find the COVID19 datasets without difficulty.

연구 동기 및 목표

• 기계학습을 활용한 코로나19 검출을 위한 관련 데이터셋을 식별하고 접근하는 데 어려움을 겪는 신규 연구자들이 겪는 곤란함을 해결하기 위해.
• 2020년 1월에서 6월 사이의 기계학습 기반 코로나19 검출 연구 논문을 체계적으로 수집하고 분석하기 위해.
• 이 연구들에서 사용된 데이터셋에 대한 정보를 추출하고 공개 접근 및 재사용을 위해 종합하기 위해.
• 코로나19 양성, 음성 또는 둘 다 포함된 케이스 유무에 따라 데이터셋을 분류하기 위해.
• 연구자들이 데이터셋 탐색에 소요되는 시간과 노력을 줄이기 위해 자주 사용되는 데이터셋을 중앙집중식으로 개방형 자원으로 제공하기 위해.

제안 방법

• 관련된 기계학습 기반 코로나19 검출 연구 논문을 식별하기 위해 PRISMA 프레임워크를 활용한 체계적 문헌 리뷰를 수행하였다.
• 2020년 1월에서 6월 사이에 출판된 논문을 검색하기 위해 Google Scholar, PubMed, Elsevier, WHO Database의 네 가지 주요 데이터베이스를 활용하였다.
• 관련성과 방법론적 엄밀함을 기준으로 96편의 고품질 연구 논문을 선별하여 데이터셋 추출을 수행하였다.
• 각 선별된 논문에서 데이터셋 정보(이름, 출처, 데이터 유형, 샘플 수, 개방형 접근 링크, 연관된 논문)를 추출하였다.
• 데이터셋을 세 그룹으로 분류하였다: 코로나19 양성 케이스 전용, 비코로나19 케이스 전용, 그리고 둘 다 포함.
• 자세한 설명, 메타데이터, 직접 접근 링크를 포함한 최종 데이터셋 목록을 공개 리포지터리(Figshare)에 편집 및 게시하였다.

실험 결과

연구 질문

• RQ1 2020년 1월에서 6월 사이에 기계학습 기반 코로나19 검출 연구에서 가장 자주 사용된 데이터셋은 무엇인가?
• RQ2 사용 가능한 데이터셋은 코로나19 양성 및 음성 케이스 포함 여부에 따라 어떻게 분류될 수 있는가?
• RQ3 가장 흔히 사용되는 데이터셋의 데이터 유형(예: X-ray, CT, 초음파, 혈액 검사)과 샘플 크기는 무엇인가?
• RQ4 공개된 연구에서 사용된 데이터셋의 개방형 소스 및 직접 링크는 무엇인가?
• RQ5 연구자들은 향후 코로나19 검출 연구를 위해 효율적으로 신뢰할 수 있는 공개 데이터셋을 어떻게 찾고 접근할 수 있는가?

주요 결과

• 코헨 JP 데이터셋이 가장 자주 사용되었으며, 심층 분석된 96편의 논문 중 60편에서 사용되었다.
• 폐렴을 위한 흉부 X-ray 영상 데이터셋은 26편의 논문에서 사용되었고, RSNA 데이터셋은 14편의 논문에서 사용되었다.
• COVID-CT 데이터셋은 13편의 논문에서 인용되었으며, 349장의 코로나19 CT 영상과 463장의 비코로나19 CT 영상, 그리고 상세한 메타데이터를 포함하고 있다.
• 87,000장 이상의 영상이 포함된 ChestX-ray8 데이터셋(2011–2015년 기간 자료)은 11편의 논문에서 사용되었으며, 여러 폐 질환 카테고리가 포함되어 있다.
• 카타르-두하카 코로나19 데이터셋과 COVIDx 데이터셋은 여러 출처를 통합하여 제작되었으며, 코로나19 데이터셋은 카글과 깁허브에서 개방형으로 제공된다.
• IRCCS 혈액 데이터셋은 279명의 환자 기록과 16개의 임상 특징, rRT-PCR 결과를 포함하고 있으며, 젠도를 통해 공개되었다.