Tuberculosis (TB) is an infectious lung disease that is caused by Mycobacterium tuberculosis bacteria. Tuberculosis spread rapidly through airborne bodily fluids of an infected person, which has the potential to cause a serious outbreak of the disease, especially in developing countries where prevention and screening effort can be lacking. This necessitates quick and accurate diagnosis method for TB. For this reason, chest radiographs (X-ray) are usually prescribed to screen for sign of TB manifestation prior to more time-consuming methods. However, the result should be interpreted by a radiologist, which can be a problem in settings with limited resources. In this thesis, we presented the implementation of a deep learning based method for the automatic diagnosis and localization of TB in chest X-ray scans obtained from Vietnam hospitals. Two deep neural networks, based on Inception-ResNet V2 and RetinaNet, was developed and validated on four datasets from Vietnam, China, and the United States. Principle of transfer learning was used extensively to boost the performance of the networks on the small training data. Both neural networks are capable of producing diagnosis localization of tuberculosis in chest X-ray images. Our proposed method achieved an area under the receiver operating curve of 99% in the internal validation dataset, with excellent generalization in the two external validation datasets (AUROC of 99.3% and 97.5%). The localization produced by the algorithm was quantitatively and visually consistent with radiologist's manual annotations.
결핵은 Mycobacterium tuberculosis 박테리아로 인해 발생하는 전염성 폐 질환이다. 결핵은 감염된 사람의 체액을 통해 공기 중으로 급속하게 퍼지며, 특히 예방과 선별 환경이 미흡한 개발 도상국에서는 이 질병의 발생 가능성이 상대적으로 높다. 위 문제점 해결을 위해서는 결핵에 대한 빠르고 정확한 진단 방법을 필요로 한다. 이러한 이유로 흉부 방사선 검사를 실시하는데, 이는 일반적으로 더 많은 시간이 소요되는 검진 방법에 앞서 결핵 징후를 검사하기 위해 시행된다. 흉부 방사선 결과는 방사선 전문의에 의해 진단 되어야 하지만, 이는 제한된 자원을 가진 환경에서는 어려움을 야기 할 수 있다. 본 논문은 베트남 병원에서 획득한 흉부 방사선 스캔에서의 결핵 자동 진단 및 국소화를 위한 딥러닝 방법 구현을 제시한다. 제시하는 두 개의 심층 신경망은, Inception-ResNet V2 및 RetinaNet을 기반으로 개발 되었으며, 베트남, 중국 및 미국에서의 네 가지 데이터 세트를 통해 검증되었다. 소규모 훈련 데이터에서 네트워크의 성능을 높이기 위해 전이 학습의 원리를 사용하였다. 두 신경망 모두에서 흉부 방사선 영상을 통한 결핵 진단 및 국소화되는 것을 확인 할 수 있다. 제안한 위 방식을 통해, 내부 검증 세트에서 99%의 수신자 조작 특성 곡선 아래 영역(AUROC)을 달성했으며, 두 개의 외부 검증 세트결과 (AUROC 99.3%, 97.5%)를 통해 성공적인 일반화가 되었음을 확인 할 수 있다. 위 알고리즘에 의해 생성된 국소화 정보는 방사선 전문의의 수동 표기와 정량적 및 시각적으로 일치했다.
