論文の概要: AI-Driven CT-based quantification, staging and short-term outcome
prediction of COVID-19 pneumonia
- arxiv url: http://arxiv.org/abs/2004.12852v1
- Date: Mon, 20 Apr 2020 12:24:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 18:28:35.982348
- Title: AI-Driven CT-based quantification, staging and short-term outcome
prediction of COVID-19 pneumonia
- Title（参考訳）: AIによる肺炎の定量化、ステージング、短期予後予測
- Authors: Guillaume Chassagnon, Maria Vakalopoulou, Enzo Battistella, Stergios
Christodoulidis, Trieu-Nghi Hoang-Thi, Severine Dangeard, Eric Deutsch,
Fabrice Andre, Enora Guillo, Nara Halm, Stefany El Hajj, Florian Bompard,
Sophie Neveu, Chahinez Hani, Ines Saab, Alienor Campredon, Hasmik Koulakian,
Souhail Bennani, Gael Freche, Aurelien Lombard, Laure Fournier, Hippolyte
Monnier, Teodor Grand, Jules Gregory, Antoine Khalil, Elyas Mahdjoub,
Pierre-Yves Brillet, Stephane Tran Ba, Valerie Bousson, Marie-Pierre Revel,
Nikos Paragios
- Abstract要約: 胸部CTはコロナウイルス感染症2019(COVID-19)肺炎の管理に広く用いられている。
CTは、新型コロナウイルス(COVID-19)肺の異常の程度を視覚的に評価することで予後に影響を及ぼす。
- 参考スコア（独自算出の注目度）: 3.672093204122992
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chest computed tomography (CT) is widely used for the management of
Coronavirus disease 2019 (COVID-19) pneumonia because of its availability and
rapidity. The standard of reference for confirming COVID-19 relies on
microbiological tests but these tests might not be available in an emergency
setting and their results are not immediately available, contrary to CT. In
addition to its role for early diagnosis, CT has a prognostic role by allowing
visually evaluating the extent of COVID-19 lung abnormalities. The objective of
this study is to address prediction of short-term outcomes, especially need for
mechanical ventilation. In this multi-centric study, we propose an end-to-end
artificial intelligence solution for automatic quantification and prognosis
assessment by combining automatic CT delineation of lung disease meeting
performance of experts and data-driven identification of biomarkers for its
prognosis. AI-driven combination of variables with CT-based biomarkers offers
perspectives for optimal patient management given the shortage of intensive
care beds and ventilators.
- Abstract（参考訳）: 胸部CTはCoronavirus disease 2019(COVID-19)肺炎の治療に広く用いられている。
新型コロナウイルス(COVID-19)の診断基準は微生物検査に依存しているが、これらの検査は緊急時に利用できない可能性がある。
早期診断の役割に加えて、CTは新型コロナウイルス(COVID-19)肺異常の程度を視覚的に評価することで予後に影響を及ぼす。
本研究の目的は,短期的成果,特に機械換気の必要性を予測することにある。
本研究は,専門家の肺疾患自動診断と診断のためのバイオマーカーの同定を併用した,自動定量化と予後評価のためのエンド・ツー・エンド人工知能ソリューションを提案する。
AIによる変数とCTベースのバイオマーカーの組み合わせは、集中治療ベッドと人工呼吸器が不足しているため、最適な患者管理の視点を提供する。
関連論文リスト
- A Joint Representation Using Continuous and Discrete Features for Cardiovascular Diseases Risk Prediction on Chest CT Scans [12.652540031719571]
胸部CT画像から抽出した離散的量的バイオマーカーと連続的な深部特徴を統合した新しい関節表現法を提案する。
本手法はCVDリスク予測性能を大幅に改善し,各バイオマーカーの個人貢献分析を行う。
論文 参考訳（メタデータ） (2024-10-24T10:06:45Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - 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) - Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。
この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
論文 参考訳（メタデータ） (2021-05-14T11:59:47Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - An Automated Approach for Timely Diagnosis and Prognosis of Coronavirus
Disease [1.52292571922932]
コロナウイルス病2019(COVID-19)の流行以降、感染した患者の多くは高熱、乾ききき、喉の腫れなどと診断され、重篤な肺炎に繋がった。
これまで、肺イメージングによるCOVID-19の診断は、この疾患の早期診断の主要な証拠であることが証明されています。
提案手法は,非造影CT(non-contrast chest Computed tomography)スキャンによる疾患の自動診断と予後に焦点をあてるものである。
論文 参考訳（メタデータ） (2021-04-29T05:26:30Z) - Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for
Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。
胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
論文 参考訳（メタデータ） (2021-03-06T02:16:41Z) - Decision and Feature Level Fusion of Deep Features Extracted from Public
COVID-19 Data-sets [6.445605125467574]
新型コロナウイルスの早期診断において、胸部X線撮影の使用が増加している。
畳み込みニューラルネットワーク(CNN)を用いたX線画像のコンピュータ支援診断システムを提案する。
実験結果から,提案手法は新型コロナウイルス検出性能が高かったことが示唆された。
論文 参考訳（メタデータ） (2020-11-17T09:36:21Z) - 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) - 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)
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。