U-Net による位置特定および強調手法を使用した COVID-19 肺 CT 画像セグメンテーション

肺 CT 画像からの肺炎病変のセグメンテーションは、新型コロナウイルス感染症のパンデミック中に疾患を診断し、患者の重症度を評価するために重要になっています。このタスクのために、いくつかの AI ベースのシステムが提案されています。ただし、CT 画像内の一部の低コントラストの異常ゾーンにより、この作業は困難になります。研究者らは、この問題を解決し、AI ベースのシステムによるより正確なセグメンテーションを可能にする画像前処理技術を調査しました。この研究では、U-Net アーキテクチャに先立って、ヒストグラムベースのノンパラメトリック領域位置特定および強化 (LE) 手法に基づいた、新型コロナウイルス感染症 (COVID-19) 肺 CT セグメンテーション システムを提案しています。新型コロナウイルス感染症に感染した肺の CT 画像は、最初に LE 法によって処理され、感染領域が検出および強化されて、ディープラーニング セグメンテーション法により識別可能な特徴が提供されました。U-Net は、強化された画像を使用してトレーニングされ、新型コロナウイルス感染症の影響を受けた地域をセグメント化します。提案されたシステムは、それぞれ、97.75%、0.85、および 0.74 の精度、ダイス スコア、および Jaccard インデックスを達成しました。比較結果は、CT 肺画像の前処理ステップとして LE メソッドを使用すると、U-Net モデルの特徴抽出およびセグメンテーション能力が 0.21 サイコロ スコアで大幅に向上したことを示唆しました。その結果は、さまざまな医療画像のセグメント化に LE 法の実装につながる可能性があります。

Segmentation of pneumonia lesions from Lung CT images has become vital for diagnosing the disease and evaluating the severity of the patients during the COVID-19 pandemic. Several AI-based systems have been proposed for this task. However, some low-contrast abnormal zones in CT images make the task challenging. The researchers investigated image preprocessing techniques to accomplish this problem and to enable more accurate segmentation by the AI-based systems. This study proposes a COVID-19 Lung-CT segmentation system based on histogram-based non-parametric region localization and enhancement (LE) methods prior to the U-Net architecture. The COVID-19-infected lung CT images were initially processed by the LE method, and the infected regions were detected and enhanced to provide more discriminative features to the deep learning segmentation methods. The U-Net is trained using the enhanced images to segment the regions affected by COVID-19. The proposed system achieved 97.75%, 0.85, and 0.74 accuracy, dice score, and Jaccard index, respectively. The comparison results suggested that the use of LE methods as a preprocessing step in CT Lung images significantly improved the feature extraction and segmentation abilities of the U-Net model by a 0.21 dice score. The results might lead to implementing the LE method in segmenting varied medical images.