論文の概要: Towards an Effective and Efficient Deep Learning Model for COVID-19
Patterns Detection in X-ray Images
- arxiv url: http://arxiv.org/abs/2004.05717v5
- Date: Sat, 24 Apr 2021 12:36:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 05:22:59.682844
- Title: Towards an Effective and Efficient Deep Learning Model for COVID-19
Patterns Detection in X-ray Images
- Title（参考訳）: x線画像におけるcovid-19パターン検出のための効率的かつ効率的なディープラーニングモデルの構築
- Authors: Eduardo Luz, Pedro Lopes Silva, Rodrigo Silva, Ludmila Silva, Gladston
Moreira and David Menotti
- Abstract要約: 本研究の主な目的は、胸部X線検査における新型コロナウイルススクリーニングの問題に対して、正確かつ効率的な方法を提案することである。
13,569枚のX線画像のデータセットを、健康な非新型コロナウイルス患者と新型コロナウイルス患者に分けて、提案したアプローチを訓練する。
結果: 提案手法により, 全体の精度93.9%, COVID-19, 感度96.8%, 正の予測100%の高品質モデルが得られた。
- 参考スコア（独自算出の注目度）: 2.21653002719733
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Confronting the pandemic of COVID-19, is nowadays one of the most prominent
challenges of the human species. A key factor in slowing down the virus
propagation is the rapid diagnosis and isolation of infected patients. The
standard method for COVID-19 identification, the Reverse transcription
polymerase chain reaction method, is time-consuming and in short supply due to
the pandemic. Thus, researchers have been looking for alternative screening
methods and deep learning applied to chest X-rays of patients has been showing
promising results. Despite their success, the computational cost of these
methods remains high, which imposes difficulties to their accessibility and
availability. Thus, the main goal of this work is to propose an accurate yet
efficient method in terms of memory and processing time for the problem of
COVID-19 screening in chest X-rays. Methods: To achieve the defined objective
we exploit and extend the EfficientNet family of deep artificial neural
networks which are known for their high accuracy and low footprints in other
applications. We also exploit the underlying taxonomy of the problem with a
hierarchical classifier. A dataset of 13,569 X-ray images divided into healthy,
non-COVID-19 pneumonia, and COVID-19 patients is used to train the proposed
approaches and other 5 competing architectures. Finally, 231 images of the
three classes were used to assess the quality of the methods. Results: The
results show that the proposed approach was able to produce a high-quality
model, with an overall accuracy of 93.9%, COVID-19, sensitivity of 96.8% and
positive prediction of 100%, while having from 5 to 30 times fewer parameters
than other than the other tested architectures. Larger and more heterogeneous
databases are still needed for validation before claiming that deep learning
can assist physicians in the task of detecting COVID-19 in X-ray images.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックに直面している現在、ヒト種の最も顕著な課題の1つとなっている。
ウイルスの増殖を遅らせる重要な要因は、感染した患者の迅速な診断と隔離である。
逆転写ポリメラーゼ連鎖反応法(Reverse transcription polymerase chain reaction method)は、新型コロナウイルスの標準的な同定方法である。
そこで研究者らは、胸部X線に応用された別のスクリーニング方法と深層学習を、有望な結果を示してきた。
その成功にもかかわらず、これらの手法の計算コストは依然として高く、アクセシビリティと可用性に困難が伴う。
そこで本研究の目的は,胸部x線検査におけるcovid-19スクリーニング問題に対するメモリと処理時間の観点から,高精度かつ効率的な方法を提案することである。
方法: 定義された目的を達成するために,その精度とフットプリントの低さで知られている深層ニューラルネットワークの効率的なネットワークファミリを,他のアプリケーションで活用し,拡張する。
また、階層型分類器による問題の根底にある分類も活用する。
13,569個のx線画像のデータセットを、健康で非共生型肺炎とcovid-19患者に分けて、提案されたアプローチと他の5つの競合するアーキテクチャをトレーニングするために使用する。
最後に,3つの分類の231画像を用いて,手法の質評価を行った。
結果: 提案手法は, 全体の精度が93.9%, 新型コロナウイルス, 感度96.8%, 正の予測が100%であり, 他のテスト済みアーキテクチャに比べて5～30分の1のパラメータしか得られなかった。
深層学習は、X線画像から新型コロナウイルスを検出するタスクにおいて、医師を助けることができると主張している。
関連論文リスト
- Robust and Interpretable COVID-19 Diagnosis on Chest X-ray Images using
Adversarial Training [0.8287206589886881]
我々は、33,000以上の胸部X線画像(CXR)で21の畳み込みニューラルネットワーク(CNN)モデルを訓練し、健康、新型コロナウイルス、非新型コロナウイルスの肺炎CXRを分類した。
得られたモデルは、それぞれ97.03%、97.97%、99.95%の3方向の分類精度、リコール、精度を達成した。
論文 参考訳（メタデータ） (2023-11-23T23:40:01Z) - A novel framework based on deep learning and ANOVA feature selection
method for diagnosis of COVID-19 cases from chest X-ray Images [0.0]
新型コロナウイルスは武漢で最初に確認され、急速に世界中に広がった。
最もアクセスしやすい方法はRT-PCRである。
RT-PCRと比較すると,胸部CTと胸部X線像が優れた結果を示した。
DenseNet169はX線画像から特徴を抽出するために使用された。
論文 参考訳（メタデータ） (2021-09-30T16:10:31Z) - The pitfalls of using open data to develop deep learning solutions for
COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。
オープンソースデータのトレーニングやテストでは,結果は異例です。
データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文 参考訳（メタデータ） (2021-09-14T10:59:11Z) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳（メタデータ） (2021-05-04T19:01:40Z) - A novel multiple instance learning framework for COVID-19 severity
assessment via data augmentation and self-supervised learning [64.90342559393275]
新型コロナウイルスの重症度を迅速かつ正確に評価する方法は、世界中の何百万人もの人々がパンデミックに苦しんでいる場合に必要不可欠な問題だ。
CT画像による新型コロナウイルスの重症度自動評価を妨害する可能性のある、弱いアノテーションと不十分なデータという2つの問題があることを観察する。
平均精度は95.8%で、感度は93.6%、特異性は96.4%で、前作より優れていた。
論文 参考訳（メタデータ） (2021-02-07T16:30:18Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳（メタデータ） (2020-09-22T11:53:06Z) - 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) - Automated Chest CT Image Segmentation of COVID-19 Lung Infection based
on 3D U-Net [0.0]
新型コロナウイルス(COVID-19)は世界中の何十億もの生命に影響を与え、公衆医療に大きな影響を与えている。
新型コロナウイルス感染地域のための革新的な自動セグメンテーションパイプラインを提案する。
本手法は,複数の前処理手法を実行することにより,一意およびランダムな画像パッチをオンザフライで生成する訓練に焦点をあてる。
論文 参考訳（メタデータ） (2020-06-24T17:29:26Z) - 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) - CoroNet: A deep neural network for detection and diagnosis of COVID-19
from chest x-ray images [0.0]
CoroNetは、胸部X線画像からCOVID-19感染を自動的に検出するDeep Conceptional Neural Networkモデルである。
提案したモデルは全体の89.6%の精度を達成し、新型コロナウイルス患者の精度とリコール率は93%と98.2%である。
論文 参考訳（メタデータ） (2020-04-10T07:46:07Z)
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。