論文の概要: COPD Classification in CT Images Using a 3D Convolutional Neural Network

• arxiv url: http://arxiv.org/abs/2001.01100v1
• Date: Sat, 4 Jan 2020 16:58:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 12:58:07.703123
• Title: COPD Classification in CT Images Using a 3D Convolutional Neural Network
• Title（参考訳）: 3次元畳み込みニューラルネットワークを用いたCT画像のPD分類
• Authors: Jalil Ahmed, Sulaiman Vesal, Felix Durlak, Rainer Kaergel, Nishant Ravikumar, Martine Remy-Jardin, Andreas Maier
• Abstract要約: 慢性閉塞性肺疾患(英: chronic obstructive lung disease, COPD)は、完全に可逆性ではない肺疾患である。 ボリュームワイドアノテーションのみを用いて, COPDと気腫を分類する3次元深層学習手法を提案する。 また,事前に訓練したCOPD分類モデルからの知識伝達を用いた気腫分類における移動学習の効果を実証した。
• 参考スコア（独自算出の注目度）: 10.217631381481457
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chronic obstructive pulmonary disease (COPD) is a lung disease that is not fully reversible and one of the leading causes of morbidity and mortality in the world. Early detection and diagnosis of COPD can increase the survival rate and reduce the risk of COPD progression in patients. Currently, the primary examination tool to diagnose COPD is spirometry. However, computed tomography (CT) is used for detecting symptoms and sub-type classification of COPD. Using different imaging modalities is a difficult and tedious task even for physicians and is subjective to inter-and intra-observer variations. Hence, developing meth-ods that can automatically classify COPD versus healthy patients is of great interest. In this paper, we propose a 3D deep learning approach to classify COPD and emphysema using volume-wise annotations only. We also demonstrate the impact of transfer learning on the classification of emphysema using knowledge transfer from a pre-trained COPD classification model.
• Abstract（参考訳）: 慢性閉塞性肺疾患(英: chronic obstructive pulmonary disease、copd)は、完全可逆性ではなく、世界の主要な病因の一つである肺疾患である。 COPDの早期発見と診断は、患者の生存率を高め、COPD進行のリスクを低減することができる。 現在, COPD を診断するための主要な検査ツールはスピロメトリーである。 しかし,CT(Computerd tomography)は症状の検出や COPD のサブタイプ分類に用いられている。 異なるイメージングモードを使用することは、医師にとっても困難で面倒な作業であり、サーバ間およびサーバ内変異の主観的です。 したがって、COPDと健康な患者を自動分類できるメソオドを開発することは大きな関心事である。 本稿では,容積的アノテーションのみを用いてcopdと気腫を分類する3次元ディープラーニング手法を提案する。 また,事前に訓練した COPD 分類モデルからの知識伝達を用いた気腫分類における移動学習の効果を示す。

関連論文リスト

• High-Fidelity 3D Lung CT Synthesis in ARDS Swine Models Using Score-Based 3D Residual Diffusion Models [13.79974752491887]
  急性呼吸不全症候群(ARDS)は、肺炎症と呼吸不全を特徴とする重症疾患であり、死亡率は約40%である。 胸部X線のような従来の画像撮影法は、肺病理の完全な評価において、その効果を制限し、2次元のビューのみを提供する。 本研究では, スコアベース3D残差拡散モデルを用いて2次元X線画像から高忠実度3D肺CTを合成する。
  論文  参考訳（メタデータ） (2024-09-26T18:22:34Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Fractional dynamics foster deep learning of COPD stage prediction [2.6414930652238535]
  慢性閉塞性肺疾患(COPD)は世界中の死因の1つである。 現在のCOPD診断(spirometry)は、テストがテスタとテスタの適切な努力に依存しているため、信頼性が低い可能性がある。 2つの新しい生理的信号データセットを構築し, COPD検出に対処する。
  論文  参考訳（メタデータ） (2023-03-13T23:47:46Z)
• Federated Learning for Chronic Obstructive Pulmonary Disease Classification with Partial Personalized Attention Mechanism [1.762550832378922]
  慢性閉塞性肺疾患(COPD)は世界で4番目に多い死因である。 近年のディープラーニング(DL)の進歩は,CT画像からの COPD の同定に有望な可能性を示唆している。 本研究では,視覚変換器(ViT)をベースとしたPFL法を提案する。
  論文  参考訳（メタデータ） (2022-10-28T14:12:42Z)
• Unsupervised Contrastive Learning based Transformer for Lung Nodule Detection [6.693379403133435]
  CTによる肺結節の早期発見は,肺癌患者の長期生存と生活の質の向上に不可欠である。 CAD (Computer-Aided Detection/diagnosis) はこの文脈において第2または同時読影器として有用である。 肺結節の正確な検出は、サイズ、位置、および肺結節の出現のばらつきにより、CADシステムや放射線技師にとって依然として困難である。 近年のコンピュータビジョン技術に触発されて,肺結節を同定するための自己教師付き領域ベース3次元トランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-30T01:19:00Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Machine learning for nocturnal diagnosis of chronic obstructive pulmonary disease using digital oximetry biomarkers [0.0]
  COPDは死亡率、死亡率、医療費の主な源である。 夜間オキシメトリー時系列による COPD 診断の可能性について検討した研究はない。 44のオキシメトリデジタルバイオマーカーと5つの人口動態を用いた夜間 COPD 診断の新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-10T07:33:59Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。