論文の概要: Iteratively Pruned Deep Learning Ensembles for COVID-19 Detection in
Chest X-rays
- arxiv url: http://arxiv.org/abs/2004.08379v3
- Date: Fri, 5 Mar 2021 15:05:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 20:52:21.352212
- Title: Iteratively Pruned Deep Learning Ensembles for COVID-19 Detection in
Chest X-rays
- Title（参考訳）: 胸部x線におけるcovid-19検出のための反復的深層学習アンサンブル
- Authors: Sivaramakrishnan Rajaraman, Jen Siegelman, Philip O. Alderson, Lucas
S. Folio, Les R. Folio and Sameer K. Antani
- Abstract要約: この病気は、SARS-CoV-2(SARS-CoV-2)ウイルスによって引き起こされる。
カスタム畳み込みニューラルネットワークとImageNet事前訓練モデルの選択を患者レベルでトレーニングし、評価する。
学習した知識は、パフォーマンスと一般化を改善するために伝達され、微調整される。
- 参考スコア（独自算出の注目度）: 3.785818062712446
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We demonstrate use of iteratively pruned deep learning model ensembles for
detecting pulmonary manifestation of COVID-19 with chest X-rays. This disease
is caused by the novel Severe Acute Respiratory Syndrome Coronavirus 2
(SARS-CoV-2) virus, also known as the novel Coronavirus (2019-nCoV). A custom
convolutional neural network and a selection of ImageNet pretrained models are
trained and evaluated at patient-level on publicly available CXR collections to
learn modality-specific feature representations. The learned knowledge is
transferred and fine-tuned to improve performance and generalization in the
related task of classifying CXRs as normal, showing bacterial pneumonia, or
COVID-19-viral abnormalities. The best performing models are iteratively pruned
to reduce complexity and improve memory efficiency. The predictions of the
best-performing pruned models are combined through different ensemble
strategies to improve classification performance. Empirical evaluations
demonstrate that the weighted average of the best-performing pruned models
significantly improves performance resulting in an accuracy of 99.01% and area
under the curve of 0.9972 in detecting COVID-19 findings on CXRs. The combined
use of modality-specific knowledge transfer, iterative model pruning, and
ensemble learning resulted in improved predictions. We expect that this model
can be quickly adopted for COVID-19 screening using chest radiographs.
- Abstract（参考訳）: 胸部X線による新型コロナウイルスの肺病変検出に,反復的に切断した深層学習モデルアンサンブルを用いた。
重症急性呼吸症候群 コロナウイルス2(SARS-CoV-2)ウイルス、または新しいコロナウイルス(2019-nCoV)によって引き起こされる。
カスタム畳み込みニューラルネットワークとimagenetプリトレーニングモデルの選択を、公開可能なcxrコレクションの患者レベルで訓練し、評価し、モダリティ特有の特徴表現を学ぶ。
学習した知識を転送・微調整し、cxrを正常に分類し、細菌性肺炎またはcovid-19ウイルス異常を呈する関連課題において、パフォーマンスと一般化を改善する。
最高のパフォーマンスモデルは、複雑さを減らし、メモリ効率を向上させるために反復的に刈り取られる。
分類性能を向上させるために, 異なるアンサンブル戦略により, 最良な刈り込みモデルの予測を組み合わせる。
実証的な評価により、cxrによるcovid-19所見の検出において、最も高性能なプルーニングモデルの重み付け平均は、99.01%の精度と0.9972未満の精度で性能が著しく向上することが示された。
モダリティ固有の知識伝達,反復モデルプラニング,アンサンブル学習の併用により,予測精度が向上した。
このモデルは、胸部X線写真を用いた新型コロナウイルススクリーニングに迅速に適用できると期待している。
関連論文リスト
- Performance of GAN-based augmentation for deep learning COVID-19 image
classification [57.1795052451257]
ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。
データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。
本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
論文 参考訳（メタデータ） (2023-04-18T15:39:58Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - COVID-19 Pneumonia and Influenza Pneumonia Detection Using Convolutional
Neural Networks [0.0]
我々は、新型コロナウイルス肺炎、インフルエンザウイルス肺炎、および正常なバイオマーカーの鑑別を支援するコンピュータソリューションを開発した。
その分類性能において、最高の性能モデルでは、検証精度は93%、F1スコアは0.95であった。
論文 参考訳（メタデータ） (2021-12-14T01:59:25Z) - Classification of COVID-19 X-ray Images Using a Combination of Deep and
Handcrafted Features [0.0]
私たちは、X線胸部スキャンから抽出された深い畳み込みと手作業の機能を組み合わせて、健康で一般的な肺炎、およびCOVID-19患者を識別します。
SVM と CNN のハンドクラフト特徴に対して, 0.963 と 0.983 との組み合わせによる分類作業において 0.988 の精度を実現した。
論文 参考訳（メタデータ） (2021-01-19T21:09:46Z) - End-2-End COVID-19 Detection from Breath & Cough Audio [68.41471917650571]
クラウドソースのオーディオサンプルからエンドツーエンドのディープラーニングを使用してCOVID-19を診断する最初の試みを実証します。
本研究では, 人工深層ニューラルネットワークを用いて, 人工呼吸器から新型コロナを診断する新しいモデル戦略を提案する。
論文 参考訳（メタデータ） (2021-01-07T01:13:00Z) - Pinball-OCSVM for early-stage COVID-19 diagnosis with limited
posteroanterior chest X-ray images [3.4935179780034247]
本研究は、新型コロナウイルス陽性のCXRサンプルを限定した状態で動作可能な、ピンボール損失関数に基づく1クラスサポートベクターマシン(PB-OCSVM)を提案する。
提案モデルの性能は従来のOCSVMや既存のディープラーニングモデルと比較し,実験結果から,提案モデルが最先端手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2020-10-16T02:34:15Z) - 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) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳（メタデータ） (2020-05-06T15:19:15Z) - A Cascaded Learning Strategy for Robust COVID-19 Pneumonia Chest X-Ray
Screening [11.250464234368478]
新型コロナウイルス(SARS-CoV-2)肺炎に対する包括的スクリーニングプラットフォームを導入する。
提案するAIベースのシステムは、胸部X線(CXR)画像を利用して、患者が新型コロナウイルス感染症に感染しているかどうかを予測する。
論文 参考訳（メタデータ） (2020-04-24T15:44:51Z) - Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray
images using fine-tuned deep neural networks [4.294650528226683]
新型コロナウイルスは肺炎に似た呼吸器症候群である。
科学者、研究者、医療専門家は、肺感染症の特定によって、新型コロナウイルスの迅速かつ自動化された診断に貢献している。
本稿では,様々な最先端ディープラーニング手法における非バイアスの微調整学習(トランスファーラーニング)に対するランダムなオーバーサンプリングと重み付きクラス損失関数アプローチを提案する。
論文 参考訳（メタデータ） (2020-04-23T10:24:34Z)
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。