[论文解读] Using Deep Convolutional Neural Networks to Diagnose COVID-19 From Chest X-Ray Images

Yi Zhong|arXiv (Cornell University)|Jul 19, 2020

COVID-19 diagnosis using AI参考文献 4被引用 14

一句话总结

本研究提出一种基于开源COVID-19胸部X光片数据集（COVID-19-CXR-Dataset）训练的深度卷积神经网络（CNN）模型，用于从放射影像中诊断COVID-19。该模型在740张图像的测试集上实现了87.3%的准确率、89.67%的精确率和84.46%的召回率，以高置信度正确识别出100例COVID-19病例中的98例。

ABSTRACT

The COVID-19 epidemic has become a major safety and health threat worldwide. Imaging diagnosis is one of the most effective ways to screen COVID-19. This project utilizes several open-source or public datasets to present an open-source dataset of COVID-19 CXRs, named COVID-19-CXR-Dataset, and introduces a deep convolutional neural network model. The model validates on 740 test images and achieves 87.3% accuracy, 89.67 % precision, and 84.46% recall, and correctly classifies 98 out of 100 COVID-19 x-ray images in test set with more than 81% prediction probability under the condition of 95% confidence interval. This project may serve as a reference for other researchers aiming to advance the development of deep learning applications in medical imaging.

研究动机与目标

• 开发一种基于胸部X光片的深度学习模型，实现COVID-19的自动化诊断。
• 创建并发布一个开源的COVID-19胸部X光片数据集（COVID-19-CXR-Dataset），以支持更广泛的研究应用。
• 在标准化的740张图像测试集上评估所提出模型的性能。
• 证明利用深度学习通过医学影像实现COVID-19早期且准确检测的可行性。
• 为未来人工智能驱动的医学影像诊断研究提供可复现的框架。

提出的方法

• 本研究采用端到端训练的深度卷积神经网络（CNN）架构，基于筛选后的胸部X光片图像数据集。
• 训练数据集整合自多个公开及开源来源，以确保数据的多样性和代表性。
• 模型在保留的740张图像测试集上进行验证，其中包含100例确诊的COVID-19病例。
• 通过标准指标（准确率、精确率、召回率及预测概率阈值）评估性能。
• 采用95%置信区间评估COVID-19病例预测概率的可靠性。
• 开源数据集（COVID-19-CXR-Dataset）已公开发布，以支持可复现性及后续研究。

实验结果

研究问题

• RQ1 仅使用胸部X光片图像，深度CNN模型能否实现对COVID-19与其他疾病区分的高诊断准确率？
• RQ2 该模型在包含100例确诊COVID-19病例的740张标准化胸部X光片测试集上的表现如何？
• RQ3 该模型对COVID-19病例的预测置信度如何？其中有多少例以超过81%的概率被正确分类？
• RQ4 开源数据集（COVID-19-CXR-Dataset）在支持医学人工智能研究的可复现性与可扩展性方面能发挥多大作用？
• RQ5 该模型是否具备足够的泛化能力，可作为未来基于人工智能的医学影像技术发展的参考？

主要发现

• 该模型在740张胸部X光片的测试集上实现了87.3%的整体准确率。
• 精确率为89.67%，表明分类中假阳性率较低。
• 召回率为84.46%，意味着模型成功识别了84.46%的实际COVID-19病例。
• 在测试集中100例确诊的COVID-19病例中，有98例以超过81%的概率被正确分类。
• 结果在95%置信区间内获得，证实了高置信度预测的统计可靠性。
• 开源数据集（COVID-19-CXR-Dataset）已成功整合并发布，以支持未来医学影像与人工智能诊断的研究。