論文の概要: Development of a Machine-Learning System to Classify Lung CT Scan Images
into Normal/COVID-19 Class
- arxiv url: http://arxiv.org/abs/2004.13122v1
- Date: Fri, 24 Apr 2020 14:52:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 03:16:52.682447
- Title: Development of a Machine-Learning System to Classify Lung CT Scan Images
into Normal/COVID-19 Class
- Title（参考訳）: 肺ctスキャン画像を正常/共生19クラスに分類する機械学習システムの開発
- Authors: Seifedine Kadry, Venkatesan Rajinikanth, Seungmin Rho, Nadaradjane Sri
Madhava Raja, Vaddi Seshagiri Rao, Krishnan Palani Thanaraj
- Abstract要約: 本研究は,CTスキャンスライス(CTS)を用いた感染検出のためのMLS(Machine-Learning-System)を提案することを目的とする。
このMLSは、マルチスレッディング、しきい値フィルタを用いた画像分離、特徴抽出、特徴選択、特徴融合、分類などの一連の手法を実装している。
- 参考スコア（独自算出の注目度）: 5.018008985074939
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, the lung infection due to Coronavirus Disease (COVID-19) affected a
large human group worldwide and the assessment of the infection rate in the
lung is essential for treatment planning. This research aims to propose a
Machine-Learning-System (MLS) to detect the COVID-19 infection using the CT
scan Slices (CTS). This MLS implements a sequence of methods, such as
multi-thresholding, image separation using threshold filter,
feature-extraction, feature-selection, feature-fusion and classification. The
initial part implements the Chaotic-Bat-Algorithm and Kapur's Entropy (CBA+KE)
thresholding to enhance the CTS. The threshold filter separates the image into
two segments based on a chosen threshold 'Th'. The texture features of these
images are extracted, refined and selected using the chosen procedures.
Finally, a two-class classifier system is implemented to categorize the chosen
CTS (n=500 with a pixel dimension of 512x512x1) into normal/COVID-19 group. In
this work, the classifiers, such as Naive Bayes (NB), k-Nearest Neighbors
(KNN), Decision Tree (DT), Random Forest (RF) and Support Vector Machine with
linear kernel (SVM) are implemented and the classification task is performed
using various feature vectors. The experimental outcome of the SVM with
Fused-Feature-Vector (FFV) helped to attain a detection accuracy of 89.80%.
- Abstract（参考訳）: 近年, 新型コロナウイルス(covid-19)による肺感染症が世界規模のヒト集団に影響を与え, 肺感染率の評価は治療計画に不可欠である。
本研究の目的は、CTスキャンスライス(CTS)を用いて、新型コロナウイルス感染症を検出する機械学習システム(MLS)を提案することである。
このmlsはマルチスレッショニング、しきい値フィルタを用いた画像分離、特徴抽出、特徴選択、特徴注入、分類といった一連の手法を実装している。
最初の部分は、CTSを強化するためにChaotic-Bat-AlgorithmとKapur's Entropy(CBA+KE)のしきい値を実装している。
しきい値フィルタは、選択されたしきい値'th'に基づいて画像を2つのセグメントに分割する。
これらの画像のテクスチャの特徴を抽出し、精製し、選択した手順を用いて選択する。
最後に、選択されたcts(n=500、画素寸法512x512x1)を正規/共生-19グループに分類する2クラス分類器システムを実装した。
本研究では,naive bayes (nb), k-nearest neighbors (knn), decision tree (dt), random forest (rf), support vector machine with linear kernel (svm)などの分類器を実装し,様々な特徴ベクトルを用いて分類タスクを行う。
Fused-Feature-Vector (FFV) によるSVMの実験結果により、検出精度は89.80%に達した。
関連論文リスト
- Enhancing COVID-19 Severity Analysis through Ensemble Methods [13.792760290422185]
本稿では、新型コロナウイルス患者の感染症領域を抽出するためのドメイン知識に基づくパイプラインを提案する。
感染の重症度は、3つの機械学習モデルのアンサンブルを使用して異なるカテゴリに分類される。
提案システムは,AI-Enabled Medical Image Analysis WorkshopとCOVID-19診断コンペティションの検証データセットを用いて評価した。
論文 参考訳（メタデータ） (2023-03-13T13:59:47Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - 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) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳（メタデータ） (2021-11-16T15:03:42Z) - 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) - COVIDLite: A depth-wise separable deep neural network with white balance
and CLAHE for detection of COVID-19 [1.1139113832077312]
COVIDLiteは、CLAHE(Contrast Limited Adaptive Histogram Equalization)とDSCNN(Deep-wise Separable Convolutional Neural Network)を組み合わせたホワイトバランスである。
提案したCOVIDLite法は,前処理のないバニラDSCNNと比較して性能が向上した。
提案手法は,2進分類では99.58%,多進分類では96.43%,最先端手法では96.43%であった。
論文 参考訳（メタデータ） (2020-06-19T02:30:34Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - 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) - Coronavirus (COVID-19) Classification using CT Images by Machine
Learning Methods [0.0]
腹部CT(CT)画像で検出した。
150枚のCT画像から16x16, 32x32, 48x48, 64x64の大きさのパッチを採取して4つの異なるデータセットが作られた。
最適分類精度は99.68%で10倍のクロスバリデーションとGLSZM特徴抽出法が得られた。
論文 参考訳（メタデータ） (2020-03-20T12:48:39Z)
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。