Phát hiện và khoanh vùng bệnh COVID dựa trên dấu hiệu tổn thương phổi bằng kỹ thuật học sâu
Abstract
The world is going through a global health crisis known as the Covid-19 pandemic. To check if the patient is infected with Covid-19, the Realtime RT-PCR test method is selected. However, this method depends on many factors such as the time of specimen collection, preservation process, or specialized machinery system. In this report, a deep learning algorithm based on the above Resnet50, ResNet101 networks has been proposed to help detect Covid-19 cases using X-ray images. Through testing, the results were obtainted with accuracy and mAP of approximately 99%. This method gives doctors more bases to identify patients infected with Covid-19 and have timely treatment.
Tóm tắt
Thế giới đang phải trải qua một cuộc khủng hoảng sức khỏe toàn cầu được gọi là đại dịch Covid-19. Để kiểm tra xem bệnh nhân có nhiễm Covid-19 không thì phương pháp xét nghiệm Realtime RT-PCR được lựa chọn. Tuy nhiên phương pháp này phụ thuộc vào nhiều yếu tố như thời điểm lấy mẫu bệnh phẩm hoặc quy trình bảo quản, hệ thống máy móc chuyên dụng. Trong báo cáo này, chúng tôi đã đề xuất thuật toán học sâu dựa trên các mạng Resnet50, ResNet101 trên giúp phát hiện các trường hợp Covid-19 bằng cách sử dụng hình ảnh X-quang. Qua thử nghiệm cho kết quả với độ đo accuracy và mẠP xắp xỉ 99%. Phương pháp này cho các bác sĩ có thêm cơ sở xác định bệnh nhân nhiễm Covid-19 và có hướng điều trị kịp thời.
Tài liệu tham khảo
[1]. Wang, W., Xu, Y., Gao, R., Lu, R., Han, K., Wu, G., & Tan, W.. Detection of SARS- CoV-2 in Different Types of Clinical Specimens. JAMA, 323(18), 1843-1844. Advance online publication. https://doi.org/10.1001/jama.2020.3786, 2020
[2]. S. V. Militante, and B. G. Sibbaluca, "Pneumonia Detection Using Convolutional Neural Networks", International Journal of Scientific & Technology Research, Volume 9, Issue 04, pp. 1332-1337, April 2020
[3]. J. S. S. D. Ramsey M. Wehbe, DeepCOVID-XR: An Artificial Intelligence Algorithm to Detect COVID-19 on Chest Radiographs Trained and Tested on a Large U.S. Clinical Data Set, 2020.
[4]. A. R. K. U. R. A. N. K. a. A. M. Ali Abbasian Ardakani, Application of deep learning technique to manage COVID-19 in routine clinical practice using CT images: Results of 10 convolutional neural networks, 2020.
[5]. Tej Bahadur Chandra and Kesari Verma, Coronavirus Disease (COVID-19) Detection
in Chest X-Ray Images using Majority Voting Based Classifier Ensemble, 2020 [6]. Bệnh viện quân đội 108, Đặc điểm tổn thương phổi do COVID-19 trên hình ảnh X-quang và cắt lớp vi tín. https://benhvien108.vn/dac-diem-ton-thuong-phoi-do- Covid-19-tren-hinh-anh-x-quang-va-cat-lop-vi-tinh.htm
[7]. Ming-Yen Ng, Elaine Y. P. Lee, "Imaging Profile of the COVID-19 Infection:
Radiologic Findings and Literature Review", 2020
[8]. Yoo, S.H.; Geng, H.; Chiu, T.L.; Yu, S.K.; Cho, D.C.; Heo, J.; Choi, M.S.; Choi, I.H.; Van, C.C.; Nhung, N.V. Deep Learning-Based Decision-Tree Classifier for COVID-19 Diagnosis From Chest X-ray Imaging. Front. Med. 2020, 7, 427.