論文の概要: Identifying Radiological Findings Related to COVID-19 from Medical Literature

• arxiv url: http://arxiv.org/abs/2004.01862v1
• Date: Sat, 4 Apr 2020 05:33:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-12-16 22:53:46.288324
• Title: Identifying Radiological Findings Related to COVID-19 from Medical Literature
• Title（参考訳）: 医学文献から新型コロナウイルスに関する放射線診断
• Authors: Yuxiao Liang, Pengtao Xie
• Abstract要約: 放射線学的所見は、新型コロナウイルスの診断と治療を導く上で重要な情報源である。 新型コロナウイルスと放射線学的所見の関連性に関する研究は、異なる病院で別々に行われている。 本手法をCORD-19データセットに適用し,新型コロナウイルスと密接な関係のある放射線学的所見の抽出に成功した。
• 参考スコア（独自算出の注目度）: 16.310353152265158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coronavirus disease 2019 (COVID-19) has infected more than one million individuals all over the world and caused more than 55,000 deaths, as of April 3 in 2020. Radiological findings are important sources of information in guiding the diagnosis and treatment of COVID-19. However, the existing studies on how radiological findings are correlated with COVID-19 are conducted separately by different hospitals, which may be inconsistent or even conflicting due to population bias. To address this problem, we develop natural language processing methods to analyze a large collection of COVID-19 literature containing study reports from hospitals all over the world, reconcile these results, and draw unbiased and universally-sensible conclusions about the correlation between radiological findings and COVID-19. We apply our method to the CORD-19 dataset and successfully extract a set of radiological findings that are closely tied to COVID-19.
• Abstract（参考訳）: 新型コロナウイルス感染症2019(COVID-19)は世界中で100万人以上の患者に感染し、2020年4月3日現在で5万5000人以上が死亡している。 放射線検査は、新型コロナウイルスの診断と治療を導く上で重要な情報源である。 しかし, 放射線学的所見とCOVID-19との関連性に関する既存の研究は, 異なる病院によって別々に行われている。 この問題に対処するため,世界中の病院からの調査報告を含む大量のCOVID-19文献を解析し,その結果を整理し,放射線学的所見とCOVID-19との相関について,偏見のない,普遍的な結論を導く自然言語処理手法を開発した。 本手法をcord-19データセットに適用し,covid-19と密接に関連した放射線学的所見の抽出に成功した。

関連論文リスト

• COVIDx CXR-4: An Expanded Multi-Institutional Open-Source Benchmark Dataset for Chest X-ray Image-Based Computer-Aided COVID-19 Diagnostics [79.90346960083775]
  我々は,胸部X線画像を用いたコンピュータ支援型COVID-19診断のための,多施設のオープンソースベンチマークデータセットであるCOVIDx CXR-4を紹介する。 COVIDx CXR-4は、患者の総コホートサイズを2.66倍に増やすことで、前回のCOVIDx CXR-3データセットで大幅に拡大する。 患者人口、画像メタデータ、および疾患分布の多様性について広範な分析を行い、潜在的なデータセットバイアスを明らかにする。
  論文  参考訳（メタデータ） (2023-11-29T14:40:31Z)
• COVID-Rate: An Automated Framework for Segmentation of COVID-19 Lesions from Chest CT Scans [29.266579630983358]
  パンデミック時代には、専門家の放射線学者による新型コロナウイルスの肺病変の視覚的評価と定量化が高価になり、エラーが生じる傾向にある。 専門医に注釈を付された82例のCT画像433点を含むオープンアクセス型COVID-19 CTセグメンテーションデータセットについて紹介する。 Deep Neural Network(DNN)ベースのフレームワークであるCOVID-Rateは、胸部CTスキャンからCOVID-19に関連する肺の異常を自律的に分離する。
  論文  参考訳（メタデータ） (2021-07-04T03:19:43Z)
• COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
  COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。 肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
  論文  参考訳（メタデータ） (2021-03-18T03:31:33Z)
• Studying the Similarity of COVID-19 Sounds based on Correlation Analysis of MFCC [1.9659095632676098]
  本稿では,Mel-Frequency Cepstral Coefficients (MFCCs) の抽出における音声信号処理の重要性について述べる。 以上の結果から、MFCCは新型コロナウイルスと非新型コロナウイルスの検体の間ではより堅牢であるのに対し、異なる新型コロナウイルスの発声音と呼吸音との間には高い類似性があることが判明した。
  論文  参考訳（メタデータ） (2020-10-17T11:38:05Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• UMLS-ChestNet: A deep convolutional neural network for radiological findings, differential diagnoses and localizations of COVID-19 in chest x-rays [3.718680266467099]
  胸部X線からの放射線所見,その位置,鑑別診断の方法を提案する。 我々は,Unified Medical Language System (UMLS) の用語にマッピングされた階層型分類を用いて,189の放射線学的所見,22の鑑別診断,122の解剖学的位置を同定した。 本システムでは,92,594個の前立腺X線 (AP, PA, 立位, 背部, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数) と, 少なくとも1つの正のポリメラーゼ連鎖反応 (PCR) で同定された2,065個の前立腺画像からなる第2のデータベースを用いて訓練を行った。
  論文  参考訳（メタデータ） (2020-06-06T19:24:35Z)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)
• COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
  新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。 近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。 本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
  論文  参考訳（メタデータ） (2020-04-30T03:13:40Z)
• COVID-CT-Dataset: A CT Scan Dataset about COVID-19 [33.60943657492132]
  新型コロナウイルスの流行期には、CT(Computerd tomography)は新型コロナウイルス患者の診断に有用である。 プライバシー上の問題から、公開可能なCOVID-19 CTデータセットの入手は非常に困難である。 このデータセットには、216人の患者の349のCOVID-19 CTイメージと、463の非COVID-19 CTが含まれている。
  論文  参考訳（メタデータ） (2020-03-30T23:27:24Z)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。