[논문 리뷰] Coronavirus: Comparing COVID-19, SARS and MERS in the eyes of AI

Anas Tahir, Yazan Qiblawey외 6명|arXiv (Cornell University)|2020. 05. 23.

COVID-19 diagnosis using AI참고 문헌 35인용 수 23

한 줄 요약

이 연구는 고급 이미지 전처리 및 신경망을 사용하여 딥러닝을 활용해 코로나19, SARS, MERS 폐 CT 영상을 구분한다. 3채널 연결 입력을 사용한 InceptionV3는 코로나19에 대해 99.5%의 민감도를 기록했으며, MERS와 코로나19 간의 겹치는 특징으로 인해 제한적인 오분류가 발생했다.

ABSTRACT

Novel Coronavirus disease (COVID-19) is an extremely contagious and quickly spreading Coronavirus disease. Severe Acute Respiratory Syndrome (SARS)-CoV, Middle East Respiratory Syndrome (MERS)-CoV outbreak in 2002 and 2011 and current COVID-19 pandemic all from the same family of Coronavirus. The fatality rate due to SARS and MERS were higher than COVID-19 however, the spread of those were limited to few countries while COVID-19 affected more than two-hundred countries of the world. In this work, authors used deep machine learning algorithms along with innovative image pre-processing techniques to distinguish COVID-19 images from SARS and MERS images. Several deep learning algorithms were trained, and tested and four outperforming algorithms were reported: SqueezeNet, ResNet18, Inceptionv3 and DenseNet201. Original, Contrast limited adaptive histogram equalized and complemented image were used individually and in concatenation as the inputs to the networks. It was observed that inceptionv3 outperforms all networks for 3-channel concatenation technique and provide an excellent sensitivity of 99.5%, 93.1% and 97% for classifying COVID-19, MERS and SARS images respectively. Investigating deep layer activation mapping of the correctly classified images and miss-classified images, it was observed that some overlapping features between COVID-19 and MERS images were identified by the deep layer network. Interestingly these features were present in MERS images and 10 out of 144 images were miss-classified as COVID while only one out of 423 COVID-19 images was miss-classified as MERS. None of the MERS images was miss-classified to SARS and only one COVID-19 image was miss-classified as SARS. Therefore, it can be summarized that SARS images are significantly different from MERS and COVID-19 in the eyes of AI while there are some overlapping feature available between MERS and COVID-19.

연구 동기 및 목표

• 코로나19, SARS, MERS의 폐 CT 영상 구분을 위한 AI 기반 방법 개발
• 딥러닝을 활용해 이 코로나비루스 관련 질환 간 시각적 및 특징 수준의 유사성과 차이점 분석
• 높은 민감도와 특이도로 이러한 질환을 분류하는 데에 여러 딥러닝 아키텍처의 성능 평가
• 오분류가 MERS와 코로나19 간에 발생하는 이유를 이해하기 위해 특징 활성화 맵 분석

제안 방법

• 코로나19, SARS, MERS 폐 CT 영상에 대해 SqueezeNet, ResNet18, InceptionV3, DenseNet201 등 여러 딥러닝 모델을 훈련 및 테스트
• 세 가지 이미지 전처리 기법 적용: 원본, 대비 제한적 적응형 히스토GRAM 균형화(CLAE), 보완된 이미지
• 전처리된 이미지를 연결하여 채널 간 특징 표현을 향상시키기 위해 입력으로 사용
• 테스트 세트에서 민감도 및 오분류 분석을 통해 모델 성능 평가
• 모델 결정을 해석하고 질환 간 공통 특징을 식별하기 위해 심층층 활성화 맵 수행
• 모델의 강건성과 특징 겹침을 평가하기 위해 세 질환 간 분류 결과 비교

실험 결과

연구 질문

• RQ1 코로나19, SARS, MERS 폐 CT 영상 구분에 있어 가장 우수한 성능를 보이는 딥러닝 모델은 무엇인가?
• RQ2 다양한 이미지 전처리 기법이 딥러닝 모델의 분류 성능에 어떤 영향을 미치는가?
• RQ3 MERS와 코로나19 간에 공통적으로 발견되는 시각적 특징는 무엇이며, 이는 오분류를 유도하는가?
• RQ4 딥 뉴럴 네트워크가 학습한 특징 공간에서 SARS 영상은 MERS와 코로나19와 얼마나 다를까?
• RQ5 각 질환 클래스에 대해 가장 우수한 성능를 보이는 모델의 민감도와 특이도는 얼마인가?

주요 결과

• 3채널 연결 입력을 사용한 InceptionV3는 코로나19 영상 분류에 대해 최고의 민감도 99.5%를 기록했다.
• MERS 영상은 코로나19와 유사한 특징을 보여 144개의 MERS 영상 중 10개가 코로나19로 오분류되었다.
• 423개의 코로나19 영상 중 오직 1개만 MERS로 오분류되어 이 클래스에 대해 모델의 분류 능력이 뛰어나다는 것을 시사한다.
• MERS 영상 중 어느 것도 SARS로 오분류되지 않았으며, 코로나19 영상 중 오직 1개만 SARS로 오분류되어 SARS가 나머지 두 질환과 높은 분리성(구분 가능성)을 보였다.
• 심층층 활성화 맵 분석 결과, MERS와 코로나19 간의 겹치는 특징가 관찰된 오분류의 주요 원인으로 확인되었다.
• 딥 뉴럴 네트워크의 학습된 표현에서 SARS 영상은 시각적으로나 특징적으로 MERS와 코로나19와 모두 뚜렷하게 다를 것으로 나타났다.