論文の概要: Deep learning classification of chest x-ray images
- arxiv url: http://arxiv.org/abs/2005.09609v2
- Date: Mon, 22 Jun 2020 19:42:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 14:42:24.760616
- Title: Deep learning classification of chest x-ray images
- Title(参考訳): 胸部X線画像の深層学習分類
- Authors: Mohammad S. Majdi, Khalil N. Salman, Michael F. Morris, Nirav C.
Merchant, Jeffrey J. Rodriguez
- Abstract要約: 胸部X線画像における一般的な病態の分類のためのディープラーニングに基づく手法を提案する。
肺結節と心筋腫の2例に本法を適用した。
その結果,従来の方法と比較して結節および心内膜の検出におけるAUCの改善が認められた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a deep learning based method for classification of commonly
occurring pathologies in chest X-ray images. The vast number of publicly
available chest X-ray images provides the data necessary for successfully
employing deep learning methodologies to reduce the misdiagnosis of thoracic
diseases. We applied our method to the classification of two example
pathologies, pulmonary nodules and cardiomegaly, and we compared the
performance of our method to three existing methods. The results show an
improvement in AUC for detection of nodules and cardiomegaly compared to the
existing methods.
- Abstract(参考訳): 胸部x線画像に共通する病理の分類法として深層学習法を提案する。
大量の胸部x線画像は、胸部疾患の誤診を減らすためにディープラーニング手法をうまく利用するために必要なデータを提供する。
本手法を肺結節と心筋腫の2つの例に応用し,本法の性能を既存の3つの方法と比較した。
その結果,従来の方法と比較して結節および心内膜の検出におけるAUCの改善が認められた。
関連論文リスト
- DINO-CXR: A self supervised method based on vision transformer for chest
X-ray classification [0.9883261192383611]
本稿では,胸部X線分類のための視覚変換器に基づく自己監督法であるDINO-CXRを提案する。
肺炎とCOVID-19の両方の検出において提案法の有効性を示すために比較分析を行った。
論文 参考訳(メタデータ) (2023-08-01T11:58:49Z) - Chest X-ray Image Classification: A Causal Perspective [49.87607548975686]
本稿では,CXR分類問題に対処する因果的アプローチを提案し,構造因果モデル(SCM)を構築し,CXR分類に有効な視覚情報を選択するためにバックドア調整を用いる。
実験の結果,提案手法はオープンソースNIH ChestX-ray14の分類性能に優れていた。
論文 参考訳(メタデータ) (2023-05-20T03:17:44Z) - Transfer learning method in the problem of binary classification of
chest X-rays [0.0]
胸部X線所見の迅速かつ迅速な検出により,早期に肺炎の発生を検出でき,即時治療を開始できる。
人工知能は、X線分析の手順を迅速かつ質的に改善し、不審な画像のさらなる考慮のために医師に勧告を与えることができる。
論文 参考訳(メタデータ) (2023-03-19T08:35:47Z) - Employing similarity to highlight differences: On the impact of
anatomical assumptions in chest X-ray registration methods [2.080328156648695]
我々は,国立衛生研究所(NIH)データセット上に,解剖学的にペナル化した畳み込み型多段階解を開発した。
本手法は,ワープフィールドの折り畳み率を技術状態の1/6に制限する自然な方法であることを示す。
本手法の利点を統計的に評価し,胸部X線登録における現在使用されている指標の限界を強調した。
論文 参考訳(メタデータ) (2023-01-23T09:42:49Z) - Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New
Benchmark Study [75.05049024176584]
胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。
我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。
このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
論文 参考訳(メタデータ) (2022-08-29T04:34:15Z) - 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) - 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) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳(メタデータ) (2021-03-19T14:13:56Z) - 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) - Joint Modeling of Chest Radiographs and Radiology Reports for Pulmonary
Edema Assessment [39.60171837961607]
我々は,胸部X線写真から肺浮腫の重症度を評価するために,画像と自由テキストの両方で訓練されたニューラルネットワークモデルを開発した。
実験結果から,共同画像・テキスト表現学習は肺浮腫評価の性能を向上させることが示唆された。
論文 参考訳(メタデータ) (2020-08-22T17:28:39Z) - Classification of Chest Diseases using Wavelet Transforms and Transfer
Learning [1.5997248501926518]
本システムでは,特徴強調のための画像処理技術と疾患の分類のための深層学習を組み合わせた。
我々は、ChestX-ray14データベースを使用して、その中の14の異なるラベル付き疾患に対して、ディープラーニングモデルをトレーニングしました。
論文 参考訳(メタデータ) (2020-02-03T09:44:23Z)
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。