10.14489/vkit.2021.12.pp.043-051

DOI: 10.14489/vkit.2021.12.pp.043-051

Щетинин Е. Ю.
АВТОМАТИЧЕСКОЕ ОБНАРУЖЕНИЕ КОРОНАВИРУСНОЙ ИНФЕКЦИИ COVID-19 НА ОСНОВЕ АНАЛИЗА РЕНТГЕНОВСКИХ СНИМКОВ ГРУДНОЙ КЛЕТКИ МЕТОДАМИ ГЛУБОКОГО ОБУЧЕНИЯ
(с. 43-51)

Аннотация. Раннее выявление пациентов с коронавирусной инфекцией COVID-19 способствует обеспечению адекватного лечения и снижению нагрузки на систему здравоохранения. Эффективным методом обнаружения этой инфекции является компьютерный анализ рентгеновских снимков грудной клетки. Изменения, вызванные COVID-19, могут быть обнаружены по ним даже у бессимптомных пациентов, поэтому модели глубокого обучения перспективны в качестве вспомогательных систем диагностики или инструментов скрининга. Предложенная методология состоит из этапа предварительной обработки рентгеновских снимков, увеличения их числа и классификации с использованием глубоких сверточных нейронных сетей Xception, MobileNetv2, DenseNet121, ResNet50 и VGG16, предварительно обученных на наборе данных ImageNet. Результаты компьютерных экспериментов показали, что модель VGG16 с тонкой настройкой параметров продемонстрировала наилучшую производительность в классификации COVID-19 с показателями точности (accuracy) 94,12 %, чувствительности (sensitivity) 95,76 % и AUC = 98 %.

Ключевые слова: COVID-19; рентгеновские снимки грудной клетки; глубокое обучение; сверточные нейронные сети.

Shchetinin E. Yu.
AUTOMATIC DETECTION OF COVID-19 CORONAVIRUS INFECTION BASED ON THE CHEST X-RAYS ANALYSIS WITH DEEP LEARNING MODELS
(pp. 43-51)

Abstract. Early detection of the patients with COVID-19 coronavirus infection is essential to ensure adequate treatment and reduce the burden on the healthcare system. An effective method of detecting COVID-19 is computer analysis of chest X-rays. Changes caused by COVID-19 can be detected by them even in asymptomatic patients, so deep learning models have great potential as the screening tools. The paper proposes a methodology consisting of a stage of preliminary processing of X-ray images, images augmentation and multiclass classification using deep convolutional neural networks Xception, MobileNetV2, DenseNet121, ResNet50 and VGG16, previously trained on the ImageNet dataset. The results of computer experiments showed that VGG16 model demonstrated the best performance of the patients with COVID-19 classification with accuracy of 94,12 %, sensitivity (recall) 95,76 % and AUC = 98 %.

Keywords: COVID-19; Chest X-rays; Deep learning; Convolutional neural networks.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

Е. Ю. Щетинин (Финансовый университет при Правительстве Российской Федерации, Москва, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

E. Yu. Shchetinin (Financial University under the Government of Russian Federation, Moscow, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. World Health Organization [Электронный ресурс]. URL: https://www.who.int/emergencies/diseases/novel-coronavirus-2019 (дата обращения: 01.10.2021).
2. Cleverley J., Piper J. and Jones M. M. The Role of Chest Radiography in Confirming Covid-19 Pneumonia // Biology and Medicine Jounal. 2020, 370. m2426. DOI https://doi.org/10.1136/bmj.m2426
3. Artificial Intelligence-Enabled Rapid Diagnosis of Patients with COVID-19 / X. Mei, H. C. Lee, K. Yu. Diao et. al. // Nat. Med., 2020; 26(8): URL: https://doi.org/10.1038/s41591-020-0931-3 (дата обращения: 01.12.2021).
4. Narin A., Kaya C., Pamuk Z. Automatic Detection of Coronavirus Disease COVID-19 Using X-ray Images and Deep Convolutional Neural Net-works, 2020. URL: http://arxiv.org/abs/2003.10849 (дата обращения: 01.12.2021).
5. Джулли А., Пал С. Библиотека Keras – инструмент глубокого обучения. М.: ДМК Пресс, 2017. 294 с.
6. Automated Detection of COVID-19 Cases Using Deep Neural Networks with X-ray Images / T. Oz-turk, M. Talo, E. A. Yildirim et al. // Computers in Biology and Medicine. 2020. V. 121. P. 103792.
7. Щетинин Е. Ю., Севостьянов Л. А., Демидова А. В., Кулябов Д. С. Классификация повреждений кожи по данным дермаскопии с использованием методов глубокого обучения // Математическая биология и биоинформатика. 2020. Т. 15, № 2. С. 180 – 194.
8. Tawsifur Rahman et al. Exploring the Effect of Image Enhancement Techniques on COVID-19 Detection Using Chest X-ray Images // Computers in Biology and Medicine. 2021. No. 132, p. 104319. DOI https://doi.org/10.1016/j.compbiomed.2021.104319
9. Shorten C., Khoshgoftaar T. M. A Survey on Image Data Augmentation for Deep Learning // J. Big Data. 2019. No. 6,
10. Sitaula Ch., Hossain Belayet M. Attention-Based VGG-16 Model for COVID-19 Chest X-ray Image Classification // Applied Intelligence. 2021. No. 51. P. 2850 – 2863. URL: https://doi.org/10.1007/s10489-020-02055-x (дата обращения: 01.12.2021).
11. Evaluation of Convolutional Neural Networks for COVID-19 Classification on Chest X-Rays /F. A. Zeiser et al. arXiv:2109.02415v1 [eess.IV] 6 Sep 2021.
12. Bacellar G. C., Chandrappa M., Kulkarni R., Dey S. COVID-19 Chest X-Ray Image Classification Using Deep Learning // medRxiv Preprint. DOI https://doi.org/10.1101/2021.07.15.21260605

Eng

1. World Health Organization. Available at: https://www.who.int/emergencies/diseases/novel-corona-virus-2019 (Accessed: 01.10.2021).
2. Cleverley J., Piper J. and Jones M. M. (2020). The Role of Chest Radiography in Confirming Covid-19 Pneumonia. Biology and Medicine Jounal, 370. m2426. DOI https://doi.org/10.1136/bmj.m2426
3. Mei X., Lee H. C., Diao K. Yu. et. al. (2020). Artificial Intelligence-Enabled Rapid Diagnosis of Patients with COVID-19. Nature Medicine, 26(8), pp. 1224 – 1228. Available at: https://doi.org/ 10.1038/s41591-020-0931-3 (Accessed: 01.12.2021).
4. Narin A., Kaya C., Pamuk Z. (2020). Automatic Detection of Coronavirus Disease COVID-19 Using X-ray Images and Deep Convolutional Neural Net-works. Available at: http://arxiv.org/abs/2003.10849 (Accessed: 01.12.2021).
5. Dzhulli A., Pal S. (2017). Keras library is a deep learning tool. Moscow: DMK Press. [in Russian language]
6. Ozturk T., Talo M., Yildirim E. A. et al. (2020). Automated Detection of COVID-19 Cases Us-ing Deep Neural Networks with X-ray Images. Computers in Biology and Medicine, Vol. 121.
7. Shchetinin E. Yu., Sevost'yanov L. A., Demidova A. V., Kulyabov D. S. (2020). Dermascopic classification of skin lesions using deep learning methods. Matematicheskaya biologiya i bioinformatika, Vol. 15, (2), pp. 180 – 194. [in Russian language]
8. Tawsifur Rahman et al. (2021). Exploring the Effect of Image Enhancement Techniques on COVID-19 Detection Using Chest X-ray Images. Computers in Biology and Medicine, 132. DOI https://doi.org/ 10.1016/j.compbiomed.2021.104319
9. Shorten C., Khoshgoftaar T. M. (2019). A survey on Image Data Augmentation for Deep Learning. Journal of Big Data, (6).
10. Sitaula Ch., Hossain Belayet M. (2021). Atten-tion-Based VGG-16 Model for COVID-19 Chest X-ray Image Classification. Applied Intelligence, 51, pp. 2850 – 2863. Available at: https://doi.org/10.1007/s10489-020-02055-x (Accessed: 01.12.2021).
11. Zeiser F. A. et al. (2021). Evaluation of Convolutional Neural Networks for COVID-19 Classification on Chest X-Rays. arXiv:2109.02415v1
12. Bacellar G. C., Chandrappa M., Kulkarni R., Dey S. COVID-19 Chest X-Ray Image Classification Using Deep Learning. medRxiv Preprint. DOI https:// doi.org/10.1101/2021.07.15.21260605

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 450 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2021.12.pp.043-051

и заполните форму

Отправляя форму вы даете согласие на обработку персональных данных.

Eng

This article is available in electronic format (PDF).

The cost of a single article is 450 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2021.12.pp.043-051

and fill out the form