論文の概要: DeepCOVIDExplainer: Explainable COVID-19 Diagnosis Based on Chest X-ray Images

• arxiv url: http://arxiv.org/abs/2004.04582v3
• Date: Sat, 6 Jun 2020 20:31:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 02:36:39.484456
• Title: DeepCOVIDExplainer: Explainable COVID-19 Diagnosis Based on Chest X-ray Images
• Title（参考訳）: deepcovidexplainer:胸部x線画像による新型コロナウイルスの診断
• Authors: Md. Rezaul Karim, Till D\"ohmen, Dietrich Rebholz-Schuhmann, Stefan Decker, Michael Cochez, and Oya Beyan
• Abstract要約: 我々は、CXR画像から新型コロナウイルスの症状を自動的に検出するための説明可能なディープニューラルネットワーク(DNN)に基づく手法を提案する。 15,854例のCXR画像15,959例を使用し,正常例,肺炎例,COVID-19例を対象とした。 当社のアプローチでは、新型コロナウイルスを確実に91.6%、92.45%、96.12%の正の予測値(PPV)で識別することができる。
• 参考スコア（独自算出の注目度）: 1.6855835471222005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Amid the coronavirus disease(COVID-19) pandemic, humanity experiences a rapid increase in infection numbers across the world. Challenge hospitals are faced with, in the fight against the virus, is the effective screening of incoming patients. One methodology is the assessment of chest radiography(CXR) images, which usually requires expert radiologist's knowledge. In this paper, we propose an explainable deep neural networks(DNN)-based method for automatic detection of COVID-19 symptoms from CXR images, which we call DeepCOVIDExplainer. We used 15,959 CXR images of 15,854 patients, covering normal, pneumonia, and COVID-19 cases. CXR images are first comprehensively preprocessed, before being augmented and classified with a neural ensemble method, followed by highlighting class-discriminating regions using gradient-guided class activation maps(Grad-CAM++) and layer-wise relevance propagation(LRP). Further, we provide human-interpretable explanations of the predictions. Evaluation results based on hold-out data show that our approach can identify COVID-19 confidently with a positive predictive value(PPV) of 91.6%, 92.45%, and 96.12%; precision, recall, and F1 score of 94.6%, 94.3%, and 94.6%, respectively for normal, pneumonia, and COVID-19 cases, respectively, making it comparable or improved results over recent approaches. We hope that our findings will be a useful contribution to the fight against COVID-19 and, in more general, towards an increasing acceptance and adoption of AI-assisted applications in the clinical practice.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)が流行する中、人類は世界中で感染数が急増している。 チャレンジ病院は、ウイルスとの戦いにおいて、来院者の効果的なスクリーニングに直面している。 一つの方法論は胸部x線撮影(cxr)画像の評価であり、通常は専門的な放射線科医の知識を必要とする。 本稿では,我々はDeepCOVIDExplainerと呼ぶCXR画像から新型コロナウイルスの症状を自動的に検出する,説明可能なディープニューラルネットワーク(DNN)を提案する。 15,854例のCXR画像15,959例を使用し,正常例,肺炎例,COVID-19例を対象とした。 cxrイメージは、神経アンサンブル法で拡張・分類される前に、まず包括的に前処理され、次に勾配誘導型クラスアクティベーションマップ(grad-cam++)と層間関連伝播(lrp)を使用してクラス識別領域を強調する。 さらに,予測の解釈可能な説明を提供する。 ホルドアウトデータに基づく評価結果から,本手法は陽性予測値(ppv)91.6%,92.45%,96.12%,正確度94.6%,リコール率94.3%,f1スコア94.6%,94.3%,94.6%,94.6%を自信を持って同定し,近年の手法と比較して比較・改善した。 私たちの発見は、新型コロナウイルスとの戦いに有用な貢献であり、より一般的には、臨床実践におけるAI支援アプリケーションの受け入れと採用の促進に寄与することを期待しています。

関連論文リスト

• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• 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)
• COVID-19 Infection Map Generation and Detection from Chest X-Ray Images [19.578921765959333]
  そこで本研究では,CXR画像からの新型コロナウイルスの同時局在,重症度評価,検出のための新しい手法を提案する。 私たちは、2951のCOVID-19サンプルを含む119,316のCXRイメージで、最大のデータセットをコンパイルしました。 詳細な実験により、最先端のセグメンテーションネットワークは、F1スコア83.20%で新型コロナウイルス感染症の局所化を学べることが示されている。
  論文  参考訳（メタデータ） (2020-09-26T22:20:05Z)
• CCBlock: An Effective Use of Deep Learning for Automatic Diagnosis of COVID-19 Using X-Ray Images [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、世界の人々の健康と健康に劇的に影響している。 新型コロナウイルスの感染拡大を根絶するためには、新型コロナウイルスの検出・診断支援方法を開発する必要がある。 畳み込みニューラルネットワーク(CNN)に基づいて、自動検出システムは、新型コロナウイルス患者をラジオグラフィーで診断する有望な結果を示している。
  論文  参考訳（メタデータ） (2020-09-21T19:20:01Z)
• 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)
• 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)
• 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)
• 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)
• Deep-COVID: Predicting COVID-19 From Chest X-Ray Images Using Deep Transfer Learning [5.174558376705871]
  新型コロナウイルス(COVID-19)のパンデミックは、世界中で150カ国以上で大流行している。 新型コロナウイルスと戦う上で重要なステップの1つは、感染した患者を十分に早期に検出する能力だ。 胸部X線画像から新型コロナウイルス患者を検出するための深層学習モデルの応用について検討した。
  論文  参考訳（メタデータ） (2020-04-20T15:09:14Z)
• Can AI help in screening Viral and COVID-19 pneumonia? [0.0]
  本研究の目的は,デジタル胸部X線画像からCOVID-19肺炎を自動的に検出するためのロバストな手法を提案することである。 このデータベースには423のCOVID-19、1485のウイルス性肺炎、1579の正常な胸部X線画像が含まれている。 両者の分類精度、精度、感度、特異性はそれぞれ99.7%、99.7%、99.55%、97.9%、97.95%、97.9%、98.8%であった。
  論文  参考訳（メタデータ） (2020-03-29T21:37:21Z)
• COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
  我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。 著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。 また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
  論文  参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。