Fugu-MT 論文翻訳(概要): COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19 from Chest CT Images Through Bigger, More Diverse Learning

論文の概要: COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19 from Chest CT Images Through Bigger, More Diverse Learning

arxiv url: http://arxiv.org/abs/2101.07433v2
Date: Tue, 26 Jan 2021 13:51:26 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 11:25:50.409868
Title: COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19 from Chest CT Images Through Bigger, More Diverse Learning
Title（参考訳）: COVID-Net CT-2: 胸部CT画像からより大きく、より多様な学習を通してウイルスを検出するためのディープニューラルネットワーク
Authors: Hayden Gunraj, Ali Sabri, David Koff, and Alexander Wong
Abstract要約: 胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
参考スコア（独自算出の注目度）: 70.92379567261304
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The COVID-19 pandemic continues to rage on, with multiple waves causing substantial harm to health and economies around the world. Motivated by the use of CT imaging at clinical institutes around the world as an effective complementary screening method to RT-PCR testing, we introduced COVID-Net CT, a neural network tailored for detection of COVID-19 cases from chest CT images as part of the open source COVID-Net initiative. However, one potential limiting factor is restricted quantity and diversity given the single nation patient cohort used. In this study, we introduce COVID-Net CT-2, enhanced deep neural networks for COVID-19 detection from chest CT images trained on the largest quantity and diversity of multinational patient cases in research literature. We introduce two new CT benchmark datasets, the largest comprising a multinational cohort of 4,501 patients from at least 15 countries. We leverage explainability to investigate the decision-making behaviour of COVID-Net CT-2, with the results for select cases reviewed and reported on by two board-certified radiologists with over 10 and 30 years of experience, respectively. The COVID-Net CT-2 neural networks achieved accuracy, COVID-19 sensitivity, PPV, specificity, and NPV of 98.1%/96.2%/96.7%/99%/98.8% and 97.9%/95.7%/96.4%/98.9%/98.7%, respectively. Explainability-driven performance validation shows that COVID-Net CT-2's decision-making behaviour is consistent with radiologist interpretation by leveraging correct, clinically relevant critical factors. The results are promising and suggest the strong potential of deep neural networks as an effective tool for computer-aided COVID-19 assessment. While not a production-ready solution, we hope the open-source, open-access release of COVID-Net CT-2 and benchmark datasets will continue to enable researchers, clinicians, and citizen data scientists alike to build upon them.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは引き続き激化しており、複数の波が世界中の健康や経済に大きな打撃を与えている。 RT-PCR検査に有効な補完的スクリーニング法として,世界中の臨床施設でCTイメージングを応用して,オープンソースのCOVID-Netイニシアチブの一環として,胸部CT画像から新型コロナウイルスの検出に適したニューラルネットワークであるCOVID-Net CTを導入した。しかしながら、1つの潜在的な制限要因は、単一国の患者コホートが使用した量と多様性である。本研究では,研究論文における多国籍患者の最大量および多様性を訓練した胸部CT画像から,深部神経ネットワークを増強したCOVID-Net CT-2を導入する。我々は,少なくとも15か国から4,501人の患者からなる多国籍コホートを含む2つのctベンチマークデータセットを紹介する。当院で10年以上経験した放射線科医2名による検査・報告の結果をもとに,ct-2の意思決定行動について,説明可能性を活用して検討を行った。 COVID-Net CT-2ニューラルネットワークは、それぞれ98.1%/96.2%/96.7%/99%/98.8%、97.9%/95.7%/96.4%/98.9%/98.7%の精度を達成した。説明可能性によるパフォーマンス検証は、COVID-Net CT-2の判定行動が、正しい臨床的に重要な要因を活用することで、放射線学の解釈と一致していることを示している。結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。プロダクション対応のソリューションではないが、COVID-Net CT-2とベンチマークデータセットのオープンソースリリースにより、研究者、臨床医、市民データサイエンティストがそれらの上に構築できることを期待している。