論文の概要: Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray
images using fine-tuned deep neural networks
- arxiv url: http://arxiv.org/abs/2004.11676v5
- Date: Tue, 21 Jul 2020 10:27:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 09:28:18.719784
- Title: Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray
images using fine-tuned deep neural networks
- Title（参考訳）: 微調整深層ニューラルネットワークを用いた胸部x線画像制限によるcovid-19自動診断
- Authors: Narinder Singh Punn and Sonali Agarwal
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.294650528226683
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The novel coronavirus 2019 (COVID-19) is a respiratory syndrome that
resembles pneumonia. The current diagnostic procedure of COVID-19 follows
reverse-transcriptase polymerase chain reaction (RT-PCR) based approach which
however is less sensitive to identify the virus at the initial stage. Hence, a
more robust and alternate diagnosis technique is desirable. Recently, with the
release of publicly available datasets of corona positive patients comprising
of computed tomography (CT) and chest X-ray (CXR) imaging; scientists,
researchers and healthcare experts are contributing for faster and automated
diagnosis of COVID-19 by identifying pulmonary infections using deep learning
approaches to achieve better cure and treatment. These datasets have limited
samples concerned with the positive COVID-19 cases, which raise the challenge
for unbiased learning. Following from this context, this article presents the
random oversampling and weighted class loss function approach for unbiased
fine-tuned learning (transfer learning) in various state-of-the-art deep
learning approaches such as baseline ResNet, Inception-v3, Inception ResNet-v2,
DenseNet169, and NASNetLarge to perform binary classification (as normal and
COVID-19 cases) and also multi-class classification (as COVID-19, pneumonia,
and normal case) of posteroanterior CXR images. Accuracy, precision, recall,
loss, and area under the curve (AUC) are utilized to evaluate the performance
of the models. Considering the experimental results, the performance of each
model is scenario dependent; however, NASNetLarge displayed better scores in
contrast to other architectures, which is further compared with other recently
proposed approaches. This article also added the visual explanation to
illustrate the basis of model classification and perception of COVID-19 in CXR
images.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)は肺炎に似た呼吸器症候群である。
現在のcovid-19診断手順はrt-pcr(reverse-transcriptase polymerase chain reaction)に基づくアプローチだが、初期の段階ではウイルスの同定には感受性が低い。
したがって、より堅牢で代替的な診断技術が望ましい。
近年,ct(ct)および胸部x線(cxr)画像を用いたコロナ陽性患者の一般公開データセットが公開され,科学者,研究者,医療専門家が,より優れた治療と治療を達成するために深層学習アプローチを用いて肺感染症を同定することにより,covid-19の迅速かつ自動診断に寄与している。
これらのデータセットには、新型コロナウイルスの陽性例に関するサンプルが限られており、偏りのない学習の難しさが浮き彫りになっている。
本稿では, 基礎となるResNet, Inception-v3, Inception ResNet-v2, DenseNet169, NASNetLargeといった最先端の深層学習アプローチにおいて, 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用いて, 後部CXR画像の2値分類(正常およびCOVID-19例, 肺炎, 正常例)と多値分類(COVID-19例, 正常例)を行う。
曲線(AUC)下の精度、精度、リコール、損失、面積を利用して、モデルの性能を評価する。
実験結果を考えると、各モデルの性能はシナリオに依存するが、nasnetlargeは他のアーキテクチャと比べて優れたスコアを示しており、これは最近提案された他のアプローチとさらに比較される。
本稿は、CXR画像におけるモデル分類と新型コロナウイルスの認識の基礎を説明するための視覚的説明も加えた。
関連論文リスト
- Auto-Lesion Segmentation with a Novel Intensity Dark Channel Prior for
COVID-19 Detection [0.24578723416255752]
本研究は,他の肺疾患との鑑別を目的としたCTベースの放射線治療フレームワークを開発した。
画像は、新型コロナウイルス(COVID-19)、非新型コロナウイルス(non-COVID-19)、または正常の3つのクラスに分類される。
最高の性能分類モデルであるResidual Neural Network(Resnet-50)は、平均精度、精度、リコール、F1スコアが98.8%、99%、98%、98%に達した。
論文 参考訳（メタデータ） (2023-09-22T06:09:48Z) - Detection of COVID19 in Chest X-Ray Images Using Transfer Learning [0.0]
本稿では,VGG-16とVGG-19という,最もよく知られた2つのVGGNetアーキテクチャを用いたトランスファーラーニングの概念について検討する。
我々は,複数クラスとバイナリの分類問題において,正のCovid-19インスタンスを識別するために,提案システムの性能を評価するために2つの異なるデータセットを生成した。
論文 参考訳（メタデータ） (2023-04-09T05:02:04Z) - 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) - Deep Metric Learning-based Image Retrieval System for Chest Radiograph
and its Clinical Applications in COVID-19 [12.584626589565522]
胸部X線写真(CXR)は、新型コロナウイルス患者のトリアージ、診断、モニタリングにおいて重要な役割を担っている。
CXRの混合信号や非特異的信号を考えると、類似した画像と関連する臨床情報の両方を提供するCXRの画像検索モデルは、より臨床的に有意義である。
本研究では,深度学習に基づく新しいCXR画像検索モデルを開発する。
論文 参考訳（メタデータ） (2020-11-26T03:16:48Z) - 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) - 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) - 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) - 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。