Covid-19 detection from chest radiography (CXR) images using deep learning

Abstract

The wide spread of the coronavirus since the beginning of 2020 has created a global crisis, causing the death of a large number of people, the total or partial closure of international borders, the stagnation of the global economy followed by the loss of many people's jobs, overcrowding in hospitals and the disability of medical staff, as a result, a great deal of research has been carried out to combat the coronavirus, both medically and in terms of AI, especially deep learning, in this thesis, we are interested in developing models that can detect Covid-19 from chest radiography (CXR) images using deep learning. The proposed approach is comprised of four stages. First, which is preparing the dataset we used by dividing it into training group and testing group, second, extracting features of our dataset images using our models Resnet-50 and convolutional auto encoder(CAE), one of the advantages of using CAE and Resnet-50 it proves they are complementary between supervised and unsupervised deep architectures, third, classify the features that we obtained from the previous step using Support vector machine images, finally, improving the SVMs result by using fusion technique like max, min, product and sum and mean . Our dataset contains three classes CRIs images for Normal people and people with Covid-19 and Viral Pneumonia with 12123 images in total 9091 for training and 3032 for testing, experimental results proved the effectiveness of the proposed method. The proposed ensemble CNNs has outperformed several relevant states of the art method, to clarify, we get a 98.74% accuracy as a result of fusion (score level fusion (sum, product, mean) four SVM, in end we build site web using our method.

أد الا زًشبس ال اْسغ لف ش٘ طّ ك سْ بًّ ه زٌ ثذا خٗ ػبم 2222 إل ؽذ سّ أصهخ ػبلو خ٘، الزسجت ف فّبح ػذد كج ش٘ هي ال بٌط، اّلإغلاق الكل أ الغضئ للؾذ دّ الذ لّ خ٘، سّك دْ الالزصبد الؼبلو الز أػمج فمذاى ظّبئف كض ش٘ هي ال بٌط، الاكزظبظ ف الوسزشف ب٘د إّػبلخ الطبلن الطج زً غ٘خ لزلك، رن إعشاء لذس كج ش٘ هي الأثؾبس لوكبفؾخ ف ش٘ طّ ك سْ بًّ، س اْء هي ال بٌؽ خ٘ الطج خ٘ أ هي ؽ ش٘ الزكبء الاصط بٌػ ،ٖ خّبصخ الزؼلن الؼو ك٘، ف زُ الأطش ؽّخ، ؾًي ه زِو ىْ ثزط شْٗ وًبرط وٗك بٌِ اكزشبف Covid-19 هي ص سْ الزص شْٗ الشؼبػ للصذس ) CXR ( ثبسزخذام الزؼلن الؼو ك٘. زّٗألف ال ظٌِ الومزشػ هي أسثغ هشاؽل. أ لّاً، مً مْ ثئػذاد هغو ػْخ الج ب٘ بًد الوسزخذهخ ػي طش كٗ رمس و٘ بِ إل هغو ػْخ رذس تٗ هغو ػْخ اخزجبس، صب بًً٘، اسزخشاط ه ض٘اد ص سْ هي هغو ػْخ الج ب٘ بًد الخبصخ ث بٌ ثبسزخذام وًبرع بٌ Resnet-50 هّشفش رار رلاف ف٘ )ٖ CAE ( ، إؽذ هضا بٗ اسزخذام CAE ّ Resnet-50 إصجبد عّ دْ ركبهل ث ي٘ الج الؼو م٘خ الخبضؼخ للإششاف غّ ش٘ الخبضؼخ للإششاف ، صبلضًب، رص فٌ٘ الو ض٘اد الز ؽصل بٌ ػل بِ٘ هي الخط حْ السبثمخ ثبسزخذام ص سْ آلخ بًلل الذػن، أخ شً٘ا، ؤٗد رؾس ي٘ SVMs ثبسزخذام رم خٌ٘ الا ذًهبط هضل الؾذ الألص الؾذ الأد اّلغوغ اّلضشة اّلوز سْظ. رؾز هغو ػْخ الج ب٘ بًد الخبصخ ث بٌ ػل صلاس فئبد هي ص سْ CRIs للالز بِة الشئ إلطج ؼ٘ people,Covid-19 اّلف ش٘ سّ هغ 22221 ص سْح ف الوغو عْ 0202 للزذس تٗ 1212 للاخزجبس، أصجزذ ال زٌبئظ الزغش جٗ خ٘ فؼبل خ٘ الطش مٗخ الومزشؽخ. رف لْذ الوغو ػْخ الومزشؽخ هي CNNs ػل الؼذ ذٗ هي الؾبلاد راد الصلخ ثبلطش مٗخ الف خٌ٘، للز ضْ ؼ٘، ؾًصل ػل دلخ 07.89 ٪ زً غ٘خ الا ذًهبط )ا ذًهبط هسز ال زٌ غ٘خ )الغوغ اّلضشة اّلوز سْظ (( أسثؼخ ف إعوبل SVMs . رؾز هغو ػْخ الج ب٘ بًد الخبصخ ث بٌ ػل صلاس فئبد هي ص سْ CRIs للأشخبص الؼبد يٗ٘ للأشخبص هصبث ي٘ Covid-19 اّلالز بِة الشئ الف ش٘ سّ هغ 22221 ص سْح ف الوغو عْ 0202 للزذس تٗ 1212 للاخزجبس، أصجزذ ال زٌبئظ الزغش جٗ خ٘ فؼبل خ٘ الطش مٗخ الومزشؽخ. رف لْذ الوغو ػْخ الومزشؽخ هي CNNs ػل الؼذ ذٗ هي الؾبلاد راد الصلخ ثبلطش مٗخ الف خٌ٘، للز ضْ ؼ٘، ؾًصل ػل دلخ 07.89 ٪ زً غ٘خ الا ذًهبط )ا ذًهبط هسز ال زٌ غ٘خ )الغوغ اّلضشة اّلوز سْظ(( أسثؼخ SVMs ، فّ ال بٌِ خٗ جً الو لْغ ػل شجكخ الإ زًش ذً ثبسزخذام طش مٗز بٌ.