論文の概要: Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19

• arxiv url: http://arxiv.org/abs/2004.02731v2
• Date: Tue, 7 Apr 2020 08:18:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 07:41:08.060457
• Title: Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19
• Title（参考訳）: 画像データ取得・セグメンテーション・診断における人工知能技術の展望
• Authors: Feng Shi, Jun Wang, Jun Shi, Ziyan Wu, Qian Wang, Zhenyu Tang, Kelei He, Yinghuan Shi, Dinggang Shen
• Abstract要約: 新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。 最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
• 参考スコア（独自算出の注目度）: 71.41929762209328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: (This paper was submitted as an invited paper to IEEE Reviews in Biomedical Engineering on April 6, 2020.) The pandemic of coronavirus disease 2019 (COVID-19) is spreading all over the world. Medical imaging such as X-ray and computed tomography (CT) plays an essential role in the global fight against COVID-19, whereas the recently emerging artificial intelligence (AI) technologies further strengthen the power of the imaging tools and help medical specialists. We hereby review the rapid responses in the community of medical imaging (empowered by AI) toward COVID-19. For example, AI-empowered image acquisition can significantly help automate the scanning procedure and also reshape the workflow with minimal contact to patients, providing the best protection to the imaging technicians. Also, AI can improve work efficiency by accurate delination of infections in X-ray and CT images, facilitating subsequent quantification. Moreover, the computer-aided platforms help radiologists make clinical decisions, i.e., for disease diagnosis, tracking, and prognosis. In this review paper, we thus cover the entire pipeline of medical imaging and analysis techniques involved with COVID-19, including image acquisition, segmentation, diagnosis, and follow-up. We particularly focus on the integration of AI with X-ray and CT, both of which are widely used in the frontline hospitals, in order to depict the latest progress of medical imaging and radiology fighting against COVID-19.
• Abstract（参考訳）: (この論文は、2020年4月6日にIEEE Reviews in Biomedical Engineeringに招待論文として提出された。) 新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、新型コロナウイルスとの世界的戦いにおいて重要な役割を担っているが、最近登場した人工知能(AI)技術は、画像ツールのパワーをさらに強化し、医療専門家を助ける。 ここでは、新型コロナウイルス(COVID-19)に対する医療画像(AI)のコミュニティの迅速な対応についてレビューする。 例えば、AIを活用した画像取得は、スキャン手順の自動化に大きく貢献すると同時に、患者との接触を最小限にしてワークフローを再構築する。 また、X線やCT画像の感染の正確な脱線によって作業効率を向上し、その後の定量化を容易にすることができる。 さらに、コンピュータ支援プラットフォームは、放射線科医が臨床診断、追跡、予後などの決定を下すのに役立つ。 本報告では, 画像取得, セグメンテーション, 診断, 追跡など, COVID-19に関連する医療画像解析技術の全パイプラインについて概説する。 特に,最前線の病院で広く使われているx線およびctとaiの統合に焦点をあてて,新型コロナウイルスと闘う医用画像と放射線学の最近の進歩を描いている。

関連論文リスト

• COVID-19 Computer-aided Diagnosis through AI-assisted CT Imaging Analysis: Deploying a Medical AI System [16.1664846590467]
  我々は,CT画像の自動解析を目的とした最先端AIシステムの統合と信頼性,迅速な展開について紹介する。 提案システムは、医師の発見時間を短縮し、新型コロナウイルス検出の全体的な効率を高めることが期待されている。
  論文  参考訳（メタデータ） (2024-03-10T15:54:45Z)
• Empowering Medical Imaging with Artificial Intelligence: A Review of Machine Learning Approaches for the Detection, and Segmentation of COVID-19 Using Radiographic and Tomographic Images [2.232567376976564]
  2019年以降、コロナウイルスとその新規株の世界的な普及により、新たな感染が急増している。 X線およびCTイメージング技術の使用は、新型コロナウイルスの診断と管理に重要である。 本稿では、機械学習(ML)を用いた新型コロナウイルスの診断のための医療画像の改善手法に焦点を当てた。
  論文  参考訳（メタデータ） (2024-01-13T09:17:39Z)
• Can GPT-4V(ision) Serve Medical Applications? Case Studies on GPT-4V for Multimodal Medical Diagnosis [59.35504779947686]
  GPT-4VはOpenAIの最新のマルチモーダル診断モデルである。 評価対象は17の人体システムである。 GPT-4Vは、医用画像のモダリティと解剖学を区別する能力を示す。 疾患の診断と包括的報告作成において重大な課題に直面している。
  論文  参考訳（メタデータ） (2023-10-15T18:32:27Z)
• 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)
• Multi-scale alignment and Spatial ROI Module for COVID-19 Diagnosis [13.31017458409054]
  本研究では,異なる解像度でコンテキスト情報を統合するために,深部空間ピラミッドプーリング(D-SPP)モジュールを提案する。 また,病変部位に注意を向け,無関係な情報から干渉を取り除くためのCIDモジュールも提案する。 以上の結果から,CTおよびCXR画像における新型コロナウイルスの病変の検出精度が向上した。
  論文  参考訳（メタデータ） (2022-07-04T12:07:17Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• 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)
• 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)
• COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
  我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。 また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
  論文  参考訳（メタデータ） (2020-09-08T15:49:55Z)
• COVID-19 CT Image Synthesis with a Conditional Generative Adversarial Network [26.12568967493797]
  コロナウイルス感染症2019(COVID-19)は、2019年12月以降急速に拡大している世界的なパンデミックである。 リアルタイム逆転写ポリメラーゼ鎖反応 (rRT-PCR) と胸部CT画像撮影 (CT) はどちらも新型コロナウイルスの診断において重要な役割を担っている。 深層学習に基づくコンピュータビジョン手法は、医用画像の応用において非常に有望であることを示す。
  論文  参考訳（メタデータ） (2020-07-29T07:20:06Z)

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。