論文の概要: Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning
- arxiv url: http://arxiv.org/abs/2005.03227v1
- Date: Wed, 6 May 2020 15:19:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 05:24:26.353976
- Title: Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning
- Title（参考訳）: 構造的多視点表現学習によるコロナウイルス病2019(COVID-19)の診断
- Authors: Hengyuan Kang, Liming Xia, Fuhua Yan, Zhibin Wan, Feng Shi, Huan Yuan,
Huiting Jiang, Dijia Wu, He Sui, Changqing Zhang, and Dinggang Shen
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 48.05232274463484
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, the outbreak of Coronavirus Disease 2019 (COVID-19) has spread
rapidly across the world. Due to the large number of affected patients and
heavy labor for doctors, computer-aided diagnosis with machine learning
algorithm is urgently needed, and could largely reduce the efforts of
clinicians and accelerate the diagnosis process. Chest computed tomography (CT)
has been recognized as an informative tool for diagnosis of the disease. In
this study, we propose to conduct the diagnosis of COVID-19 with a series of
features extracted from CT images. To fully explore multiple features
describing CT images from different views, a unified latent representation is
learned which can completely encode information from different aspects of
features and is endowed with promising class structure for separability.
Specifically, the completeness is guaranteed with a group of backward neural
networks (each for one type of features), while by using class labels the
representation is enforced to be compact within COVID-19/community-acquired
pneumonia (CAP) and also a large margin is guaranteed between different types
of pneumonia. In this way, our model can well avoid overfitting compared to the
case of directly projecting highdimensional features into classes. Extensive
experimental results show that the proposed method outperforms all comparison
methods, and rather stable performances are observed when varying the numbers
of training data.
- Abstract（参考訳）: 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。
影響を受ける患者が多く、医師の負担が多いため、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り、臨床医の努力を大幅に削減し、診断プロセスを加速することができる。
胸部ct(ct)は疾患の診断に有用なツールとして認識されている。
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。
異なる視点からct画像を記述する複数の特徴を完全に探究するために、特徴の異なる側面からの情報を完全にエンコードできる統一潜在表現を学び、分離性のために有望なクラス構造を付与する。
特に、完全性は、後方ニューラルネットワーク群(それぞれ1種類の特徴に対して)で保証され、クラスラベルを使用することで、その表現は、COVID-19/Community- Acquired pneumonia (CAP)内でコンパクトにされ、また、異なる種類の肺炎の間で大きなマージンが保証される。
このようにして、我々のモデルは、高次元の機能をクラスに直接投影する場合と比較して、過度な適合を避けることができる。
実験結果から,提案手法はすべての比較手法より優れており,訓練データ数の変化による安定した性能が得られた。
関連論文リスト
- Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case
Study on COVID-19 Chest X-ray Image [3.135883872525168]
胸部X線(CXR)やCT(CT)などの画像検査は、臨床スタッフに有用な情報を提供することができる。
深層学習は、新型コロナウイルス感染症領域のセグメンテーションと疾患分類の実行に応用されている。
本研究では,バッジ深層学習とモデル校正を統合した新しいアンサンブル深層学習モデルを提案する。
論文 参考訳（メタデータ） (2022-05-27T20:06:45Z) - Automatic segmentation of novel coronavirus pneumonia lesions in CT
images utilizing deep-supervised ensemble learning network [3.110938126026385]
新型コロナウイルス(COVID-19)の病変の構造は複雑で、様々なケースで大きく異なる。
過度に適合する問題を補うために、トランスファーラーニング戦略が採用されている。
深い教師付きアンサンブル学習ネットワークは、COVID-19の病変セグメンテーションの局所的特徴とグローバル的特徴を組み合わせるために提示される。
論文 参考訳（メタデータ） (2021-10-25T11:49:20Z) - Dual-Consistency Semi-Supervised Learning with Uncertainty
Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。
提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
論文 参考訳（メタデータ） (2021-04-07T16:23:35Z) - A Multi-Stage Attentive Transfer Learning Framework for Improving
COVID-19 Diagnosis [49.3704402041314]
新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。
提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。
本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2021-01-14T01:39:19Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest
CT Images [41.73507451077361]
本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。
コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。
以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
論文 参考訳（メタデータ） (2020-06-16T10:14:58Z) - 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) - 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) - 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。