論文の概要: Harmony-Search and Otsu based System for Coronavirus Disease (COVID-19)
Detection using Lung CT Scan Images
- arxiv url: http://arxiv.org/abs/2004.03431v1
- Date: Mon, 6 Apr 2020 16:55:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 07:40:43.606376
- Title: Harmony-Search and Otsu based System for Coronavirus Disease (COVID-19)
Detection using Lung CT Scan Images
- Title（参考訳）: 肺CT画像を用いたコロナウイルス(COVID-19)検出のためのハーモニーサーチと大津ベースシステム
- Authors: V. Rajinikanth, Nilanjan Dey, Alex Noel Joseph Raj, Aboul Ella
Hassanien, K.C. Santosh, N. Sri Madhava Raja
- Abstract要約: 肺CTから新型コロナウイルス感染部位を抽出する画像支援システムを提案する。
このツールの主な目的は、肺科医が検出するだけでなく、治療計画の立案にも役立てることである。
- 参考スコア（独自算出の注目度）: 11.78511702339502
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pneumonia is one of the foremost lung diseases and untreated pneumonia will
lead to serious threats for all age groups. The proposed work aims to extract
and evaluate the Coronavirus disease (COVID-19) caused pneumonia infection in
lung using CT scans. We propose an image-assisted system to extract COVID-19
infected sections from lung CT scans (coronal view). It includes following
steps: (i) Threshold filter to extract the lung region by eliminating possible
artifacts; (ii) Image enhancement using Harmony-Search-Optimization and Otsu
thresholding; (iii) Image segmentation to extract infected region(s); and (iv)
Region-of-interest (ROI) extraction (features) from binary image to compute
level of severity. The features that are extracted from ROI are then employed
to identify the pixel ratio between the lung and infection sections to identify
infection level of severity. The primary objective of the tool is to assist the
pulmonologist not only to detect but also to help plan treatment process. As a
consequence, for mass screening processing, it will help prevent diagnostic
burden.
- Abstract（参考訳）: 肺炎は最前線の肺疾患の一つであり、未治療の肺炎はすべての年齢層に深刻な脅威をもたらす。
この研究は、CTスキャンを用いて、肺の肺炎感染に起因するコロナウイルス(COVID-19)を抽出し、評価することを目的としている。
肺CT(coronal view)から新型コロナウイルス感染部位を抽出する画像支援システムを提案する。
以下の手順がある。
一 可能なアーティファクトを除去して肺領域を抽出するための閾値フィルタ
(ii)harmony-search-optimization と otsu thresholding を用いた画像強調
(iii)感染領域を抽出するための画像分割、及び
(4)2値画像から重度計算レベルまでの関心領域(ROI)抽出(機能)。
次に、ROIから抽出された特徴を用いて、肺と感染部位の画素比を特定し、重症度の感染レベルを特定する。
このツールの主な目的は、肺科医が検出するだけでなく、計画的な治療プロセスを支援することである。
その結果、マススクリーニング処理では、診断の負担を防ぐのに役立つ。
関連論文リスト
- Unsupervised COVID-19 Lesion Segmentation in CT Using Cycle Consistent
Generative Adversarial Network [9.845581652243583]
新型コロナウイルスは世界的なパンデミックとなり、依然として公衆に深刻な健康リスクをもたらしている。
そこで我々は, 周期一貫した生成逆数ネットワーク (cycle-GAN) を用いた新しい非教師的アプローチを提案し, 病変のデライン化を自動化し, 高速化する。
提案手法は, 自動新型コロナウイルス病変のデライン化において高い精度と効率を実現した。
論文 参考訳（メタデータ） (2021-11-23T01:47:34Z) - 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) - Classification and Segmentation of Pulmonary Lesions in CT images using
a combined VGG-XGBoost method, and an integrated Fuzzy Clustering-Level Set
technique [0.0]
現在の肺疾患の診断は、時間を消費し、この分野の専門家を必要とする人的資源によって行われる。
我々のゴールは、肺病変を高精度に検出・分類し、CTスキャン画像に分類するシステムを開発することである。
論文 参考訳（メタデータ） (2021-01-04T13:25:13Z) - Deep LF-Net: Semantic Lung Segmentation from Indian Chest Radiographs
Including Severely Unhealthy Images [5.826056983051642]
胸部X線写真(胸部X線、CxR)は、様々な肺疾患の診断において重要な役割を担っている。
正確な肺分画は、健康問題、年齢、性別による肺の形状のばらつきから非常に困難である。
提案研究は,CxRからの肺の正確な分画に対する効率的な深部畳み込みニューラルネットワークの使用について検討した。
論文 参考訳（メタデータ） (2020-11-19T07:21:02Z) - 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) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - Deep learning to estimate the physical proportion of infected region of
lung for COVID-19 pneumonia with CT image set [13.146276716689972]
肺の感染部位の割合は、臨床医師が症例の重症度を判断するのを助ける視覚的証拠として用いられる。
感染地域を定量化した報告は、治療サイクル内で定期的にスキャンされた新型コロナウイルス患者の予後を予測するのに役立つ。
論文 参考訳（メタデータ） (2020-06-09T02:38:40Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - 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) - 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。