論文の概要: Classification of COVID-19 in chest X-ray images using DeTraC deep
convolutional neural network
- arxiv url: http://arxiv.org/abs/2003.13815v3
- Date: Sun, 17 May 2020 12:02:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 20:55:24.605264
- Title: Classification of COVID-19 in chest X-ray images using DeTraC deep
convolutional neural network
- Title（参考訳）: DeTraCディープ畳み込みニューラルネットワークを用いた胸部X線画像におけるCOVID-19の分類
- Authors: Asmaa Abbas, Mohammed M. Abdelsamea, Mohamed Medhat Gaber
- Abstract要約: 胸部X線は、新型コロナウイルスの診断に重要な役割を果たす最初のイメージング技術である。
大規模な注釈付き画像データセットの高可用性のため、画像認識と分類のために畳み込みニューラルネットワーク(CNN)を使用して大きな成功を収めている。
トランスファーラーニングのおかげで、汎用オブジェクト認識タスクからドメイン固有のタスクに知識を移すことで、有望なソリューションを提供することができる。
- 参考スコア（独自算出の注目度）: 6.381149074212898
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chest X-ray is the first imaging technique that plays an important role in
the diagnosis of COVID-19 disease. Due to the high availability of large-scale
annotated image datasets, great success has been achieved using convolutional
neural networks (CNNs) for image recognition and classification. However, due
to the limited availability of annotated medical images, the classification of
medical images remains the biggest challenge in medical diagnosis. Thanks to
transfer learning, an effective mechanism that can provide a promising solution
by transferring knowledge from generic object recognition tasks to
domain-specific tasks. In this paper, we validate and adapt our previously
developed CNN, called Decompose, Transfer, and Compose (DeTraC), for the
classification of COVID-19 chest X-ray images. DeTraC can deal with any
irregularities in the image dataset by investigating its class boundaries using
a class decomposition mechanism. The experimental results showed the capability
of DeTraC in the detection of COVID-19 cases from a comprehensive image dataset
collected from several hospitals around the world. High accuracy of 95.12%
(with a sensitivity of 97.91%, a specificity of 91.87%, and a precision of
93.36%) was achieved by DeTraC in the detection of COVID-19 X-ray images from
normal, and severe acute respiratory syndrome cases.
- Abstract（参考訳）: 胸部X線は、新型コロナウイルスの診断に重要な役割を果たす最初のイメージング技術である。
大規模アノテーション付き画像データセットの高可用性により、画像認識と分類に畳み込みニューラルネットワーク(cnns)を用いることで、大きな成功を収めている。
しかし, 注記医用画像の入手が限られているため, 医用画像の分類が医用診断の最大の課題である。
トランスファー学習のおかげで、汎用オブジェクト認識タスクから知識をドメイン固有のタスクに転送することで、有望なソリューションを提供することができる。
本稿では、新型コロナウイルスの胸部X線画像の分類において、Decompose, Transfer, Compose (DeTraC) と呼ばれる、これまで開発したCNNを検証し、適応する。
DeTraCは、クラス分解メカニズムを使用してクラス境界を調査することで、イメージデータセットの異常に対処することができる。
実験の結果、世界中の複数の病院から収集された総合的な画像データセットから新型コロナウイルスの検出において、detracの能力が示された。
95.12%の精度(感度97.91%、特異性91.87%、精度93.36%)は、正常および重症急性呼吸器症候群患者からのcovid-19 x線画像の検出においてdetracによって達成された。
関連論文リスト
- Detection of COVID19 in Chest X-Ray Images Using Transfer Learning [0.0]
本稿では,VGG-16とVGG-19という,最もよく知られた2つのVGGNetアーキテクチャを用いたトランスファーラーニングの概念について検討する。
我々は,複数クラスとバイナリの分類問題において,正のCovid-19インスタンスを識別するために,提案システムの性能を評価するために2つの異なるデータセットを生成した。
論文 参考訳（メタデータ） (2023-04-09T05:02:04Z) - Optimising Chest X-Rays for Image Analysis by Identifying and Removing
Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。
公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。
我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-22T13:57:04Z) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳（メタデータ） (2021-11-16T15:03:42Z) - Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。
深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。
そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
論文 参考訳（メタデータ） (2021-02-01T02:37:49Z) - Fused Deep Convolutional Neural Network for Precision Diagnosis of
COVID-19 Using Chest X-Ray Images [0.0]
複数のニューラルネットワークを微調整することで、新型コロナウイルスと正常者の胸部X線スキャンを正確に分類するコンピュータ支援診断(CAD)を提案する。
k倍のクロスバリデーションとベージングアンサンブルを用いることで、99.7%の精度と100%の感度が得られる。
論文 参考訳（メタデータ） (2020-09-15T02:27:20Z) - PDCOVIDNet: A Parallel-Dilated Convolutional Neural Network Architecture
for Detecting COVID-19 from Chest X-Ray Images [1.4824891788575418]
新型コロナウイルスのパンデミックは、世界保健システムの繁栄を著しく損なわれ続けている。
胸部X線画像による放射線学的評価は,重要なスクリーニング技術の一つである。
胸部X線画像を用いた並列拡散畳み込みニューラルネットワークによる新型コロナウイルス検出システムを提案する。
論文 参考訳（メタデータ） (2020-07-29T12:28:16Z) - An Uncertainty-aware Transfer Learning-based Framework for Covid-19
Diagnosis [10.832659320593347]
本稿では,医療画像を用いたCOVID-19検出のための深層不確実性認識型トランスファー学習フレームワークを提案する。
4つの一般的な畳み込みニューラルネットワーク(CNN)を用いて胸部X線画像とCT画像から深い特徴を抽出する。
抽出された機能は、さまざまな機械学習と統計モデリング技術によって処理され、新型コロナウイルスの症例を特定する。
論文 参考訳（メタデータ） (2020-07-26T20:15:01Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z) - Adaptive Feature Selection Guided Deep Forest for COVID-19
Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。
AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文 参考訳（メタデータ） (2020-05-07T06:00:02Z) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-12T16:24:59Z)
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。