論文の概要: Early Screening of SARS-CoV-2 by Intelligent Analysis of X-Ray Images
- arxiv url: http://arxiv.org/abs/2005.13928v1
- Date: Thu, 28 May 2020 11:46:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-27 05:04:01.256093
- Title: Early Screening of SARS-CoV-2 by Intelligent Analysis of X-Ray Images
- Title（参考訳）: X線画像のインテリジェント解析によるSARS-CoV-2の早期スクリーニング
- Authors: D. Gil, K. D\'iaz-Chito, C. S\'anchez, A. Hern\'andez-Sabat\'e
- Abstract要約: 本稿では,HoGに基づく古典的アプローチと特徴選択を用いたX線COVID-19検出プロジェクトの概要,実験設計,第1報について述べる。
この実験結果から,古典的手法がディープラーニング手法より優れていることが示された。
非ウイルス浸潤は、X線の放射線学的記述において、最も新型コロナウイルスに類似した患者のグループである。
- 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: Future SARS-CoV-2 virus outbreak COVID-XX might possibly occur during the
next years. However the pathology in humans is so recent that many clinical
aspects, like early detection of complications, side effects after recovery or
early screening, are currently unknown. In spite of the number of cases of
COVID-19, its rapid spread putting many sanitary systems in the edge of
collapse has hindered proper collection and analysis of the data related to
COVID-19 clinical aspects. We describe an interdisciplinary initiative that
integrates clinical research, with image diagnostics and the use of new
technologies such as artificial intelligence and radiomics with the aim of
clarifying some of SARS-CoV-2 open questions. The whole initiative addresses 3
main points: 1) collection of standardize data including images, clinical data
and analytics; 2) COVID-19 screening for its early diagnosis at primary care
centers; 3) define radiomic signatures of COVID-19 evolution and associated
pathologies for the early treatment of complications. In particular, in this
paper we present a general overview of the project, the experimental design and
first results of X-ray COVID-19 detection using a classic approach based on HoG
and feature selection. Our experiments include a comparison to some recent
methods for COVID-19 screening in X-Ray and an exploratory analysis of the
feasibility of X-Ray COVID-19 screening. Results show that classic approaches
can outperform deep-learning methods in this experimental setting, indicate the
feasibility of early COVID-19 screening and that non-COVID infiltration is the
group of patients most similar to COVID-19 in terms of radiological description
of X-ray. Therefore, an efficient COVID-19 screening should be complemented
with other clinical data to better discriminate these cases.
- Abstract（参考訳）: 将来のsars-cov-2感染拡大は今後数年間に起こる可能性がある。
しかし、ヒトの病態は非常に最近のため、合併症の早期発見、回復後の副作用、早期スクリーニングなど、多くの臨床的側面が現在不明である。
新型コロナウイルス(COVID-19)の感染者数にもかかわらず、多くの衛生系が崩壊の危機に陥り、適切な収集や臨床データの分析が妨げられている。
我々は,SARS-CoV-2オープンな疑問のいくつかを明らかにすることを目的として,臨床研究と画像診断,人工知能や放射能などの新しい技術の利用を統合する学際的イニシアティブについて述べる。
このイニシアチブは3つの主要なポイントに対処している。
1) 画像,臨床データ及び分析を含む標準化データの収集
2)プライマリケアセンターでの早期診断のための新型コロナウイルススクリーニング
3) 合併症の早期治療のための、covid-19の進化と関連する病理の放射線学的シグネチャを定義する。
特に本論文では,HoGに基づく古典的アプローチと特徴選択を用いたX線COVID-19検出の総合的な概要,実験設計,第1報について述べる。
我々の実験は、X線検査における新型コロナウイルススクリーニングの最近の方法との比較と、X線検査の可能性の探索的分析を含む。
その結果、この実験環境では、古典的なアプローチは深層学習法よりも優れており、早期の新型コロナウイルススクリーニングの可能性を示し、非ウイルス浸潤は、X線を放射線学的に記述する上で最もよく似た患者のグループであることが示された。
したがって、これらの症例をよりよく識別するために、効率的な新型コロナウイルススクリーニングを他の臨床データと補完するべきである。
関連論文リスト
- CoVScreen: Pitfalls and recommendations for screening COVID-19 using Chest X-rays [1.0878040851637998]
新型コロナウイルス(COVID-19)は、SARS-CoV-2による感染性の高い呼吸器疾患で、前例のない医療危機となっている。
症状のある患者の早期スクリーニングと診断は、地域感染を止めるために患者を隔離する上で重要な役割を担っている。
アクセシビリティ、可用性、低コスト、衛生の容易さ、ポータブルなセットアップのため、胸部X線撮影は効果的なスクリーニングおよび診断ツールとして機能する。
論文 参考訳（メタデータ） (2024-05-13T12:03:15Z) - 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) - COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest
X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。
CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。
我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
論文 参考訳（メタデータ） (2022-06-08T04:39:44Z) - Challenges in COVID-19 Chest X-Ray Classification: Problematic Data or
Ineffective Approaches? [0.0]
胸部X線写真から新型コロナウイルスの感染を分類し、検出するための深層学習。
本研究では,データと機械学習の両方の観点から,信頼性の高いAIソリューションを作成する上で直面する課題について検討する。
論文 参考訳（メタデータ） (2022-01-16T14:12:04Z) - Covid-19 diagnosis from x-ray using neural networks [0.0]
コロナウイルスや新型コロナウイルス(COVID-19)はパンデミックの病気であり、世界中で何百万もの因果関係に影響を与えている。
本稿では,進行胸部X線画像からのCOVID-19のプログラム認識手法を提案する。
論文 参考訳（メタデータ） (2021-05-29T16:12:15Z) - COVID-Net CXR-S: Deep Convolutional Neural Network for Severity
Assessment of COVID-19 Cases from Chest X-ray Images [74.77272804752306]
胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。
患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。
提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
論文 参考訳（メタデータ） (2021-05-01T14:15:12Z) - Triple-view Convolutional Neural Networks for COVID-19 Diagnosis with
Chest X-ray [1.956959549209676]
本稿では,CXR画像を用いたCOVID-19診断のためのトリプルビュー畳み込みニューラルネットワークを提案する。
提案するネットワーク構造はヒト肺の解剖学的構造を尊重し、実際に新型コロナウイルスの臨床的診断とよく一致している。
論文 参考訳（メタデータ） (2020-10-27T06:15:32Z) - A New Screening Method for COVID-19 based on Ocular Feature Recognition
by Machine Learning Tools [66.20818586629278]
コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。
一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
論文 参考訳（メタデータ） (2020-09-04T00:50:27Z) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - Deep Learning COVID-19 Features on CXR using Limited Training Data Sets [40.45289250518209]
我々は、比較的少数のトレーニング可能なパラメータで新型コロナウイルスの診断を行うパッチベースの畳み込みニューラルネットワークアプローチを提案する。
実験の結果,本手法は最先端の性能を達成し,臨床的に解釈可能なサリエンシマップを提供することがわかった。
論文 参考訳（メタデータ） (2020-04-13T03:44:42Z) - COVID-Net: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。
著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。
また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
論文 参考訳（メタデータ） (2020-03-22T12:26:36Z)
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。