Исследование влияния методов улучшения изображений на выявление COVID-19 по рентгенограммам органов грудной клетки

Компьютерная диагностика, обеспечивающая надёжное и быстрое выявление коронавирусной инфекции COVID-19, стала необходимой для предотвращения распространения вируса во время пандемии и снижения нагрузки на систему здравоохранения. Рентгенография органов грудной клетки имеет ряд преимуществ перед другими методами визуализации и диагностики. В многочисленных исследованиях выявление COVID-19 проводили на небольших наборах исходных рентгенограмм. Однако влияние улучшения изображений и сегментации лёгких при использовании большого набора данных для выявления COVID-19 ранее не изучалось. Мы сформировали крупный набор рентгенограмм COVQU, включающий 18 479 изображений органов грудной клетки: 8851 нормальную рентгенограмму, 6012 рентгенограмм при некоронавирусных инфекциях лёгких и 3616 рентгенограмм при COVID-19, а также соответствующие эталонные маски лёгких. Насколько нам известно, это крупнейшая общедоступная база рентгенограмм пациентов с COVID-19 и масок лёгких. Для изучения влияния методов улучшения изображений на выявление COVID-19 использовали пять методов: выравнивание гистограммы (HE), адаптивное выравнивание гистограммы с ограничением контрастности (CLAHE), инвертирование изображения, гамма-коррекцию и метод сбалансированного улучшения контрастности (BCET). Для сегментации лёгких предложили новую модель U-Net и сравнили её со стандартной моделью U-Net. На исходных рентгенограммах и рентгенограммах с сегментированными лёгкими исследовали шесть предварительно обученных свёрточных нейронных сетей (CNN): ResNet18, ResNet50, ResNet101, InceptionV3, DenseNet201 и CheXNet, а также неглубокую CNN. Новая модель U-Net продемонстрировала точность 98,63%, показатель пересечения по объединению (IoU) 94,3% и коэффициент Дайса 96,94% при сегментации лёгких. Метод улучшения на основе гамма-коррекции превосходил остальные методы при выявлении COVID-19 как на исходных рентгенограммах, так и на рентгенограммах с сегментированными лёгкими. Эффективность классификации по исходным рентгенограммам была несколько выше, чем по рентгенограммам с сегментированными лёгкими, однако при сегментации лёгких надёжность работы сети существенно повышалась, что было показано с помощью визуализации. Для изображений с сегментированными лёгкими точность, положительная прогностическая ценность, чувствительность, F1-мера и специфичность составили соответственно 95,11%, 94,55%, 94,56%, 94,53% и 95,59%. Предложенный метод, обеспечивающий высокую и сопоставимую с другими подходами надёжность, может способствовать быстрому и устойчивому выявлению COVID-19 по рентгенограммам органов грудной клетки.