論文の概要: COVIDGR dataset and COVID-SDNet methodology for predicting COVID-19 based on Chest X-Ray images

• arxiv url: http://arxiv.org/abs/2006.01409v3
• Date: Wed, 11 Nov 2020 06:15:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 00:57:10.426563
• Title: COVIDGR dataset and COVID-SDNet methodology for predicting COVID-19 based on Chest X-Ray images
• Title（参考訳）: ケストX線画像に基づく新型コロナウイルス予測のためのCOVIDGRデータセットとCOVID-SDNet方法論
• Authors: S. Tabik, A. G\'omez-R\'ios, J.L. Mart\'in-Rodr\'iguez, I. Sevillano-Garc\'ia, M. Rey-Area, D. Charte, E. Guirado, J.L. Su\'arez, J. Luengo, M.A. Valero-Gonz\'alez, P. Garc\'ia-Villanova, E. Olmedo-S\'anchez, F. Herrera
• Abstract要約: 現在、コロナウイルス(COVID-19)はRT-PCR検査、CTスキャン、胸部X線画像(CXR)を用いて診断されている。 ディープラーニングニューラルネットワークは、新型コロナウイルスのトリアージシステムを構築する大きな可能性を秘めている。 i) 最新の新型コロナウイルス分類モデルによって達成された高い感度をデミスティフィケーションし、(ii) スペインのグラナダにある病院大学Cl'inico San Cecilioと密接に協力し、COVIDGR-1.0を構築し、(iii) COVID Smart Data based Network(COVID-SD)を提案する。
• 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: Currently, Coronavirus disease (COVID-19), one of the most infectious diseases in the 21st century, is diagnosed using RT-PCR testing, CT scans and/or Chest X-Ray (CXR) images. CT (Computed Tomography) scanners and RT-PCR testing are not available in most medical centers and hence in many cases CXR images become the most time/cost effective tool for assisting clinicians in making decisions. Deep learning neural networks have a great potential for building COVID-19 triage systems and detecting COVID-19 patients, especially patients with low severity. Unfortunately, current databases do not allow building such systems as they are highly heterogeneous and biased towards severe cases. This paper is three-fold: (i) we demystify the high sensitivities achieved by most recent COVID-19 classification models, (ii) under a close collaboration with Hospital Universitario Cl\'inico San Cecilio, Granada, Spain, we built COVIDGR-1.0, a homogeneous and balanced database that includes all levels of severity, from normal with Positive RT-PCR, Mild, Moderate to Severe. COVIDGR-1.0 contains 426 positive and 426 negative PA (PosteroAnterior) CXR views and (iii) we propose COVID Smart Data based Network (COVID-SDNet) methodology for improving the generalization capacity of COVID-classification models. Our approach reaches good and stable results with an accuracy of $97.72\% \pm 0.95 \%$, $86.90\% \pm 3.20\%$, $61.80\% \pm 5.49\%$ in severe, moderate and mild COVID-19 severity levels (Paper accepted for publication in Journal of Biomedical and Health Informatics). Our approach could help in the early detection of COVID-19. COVIDGR-1.0 along with the severity level labels are available to the scientific community through this link https://dasci.es/es/transferencia/open-data/covidgr/.
• Abstract（参考訳）: 現在、21世紀で最も感染症の多かったコロナウイルス(COVID-19)は、RT-PCR検査、CTスキャン、胸部X線画像(CXR)を用いて診断されている。 CT(Computed Tomography)スキャナーとRT-PCR検査は、ほとんどの医療センターでは利用できないため、多くの場合、CXR画像は臨床医の意思決定を支援する最も時間と費用のかかるツールとなっている。 深層学習ニューラルネットワークは、新型コロナウイルスのトリアージシステムを構築し、特に重症度の低い患者を検出できる大きな可能性を秘めている。 残念なことに、現在のデータベースはそのようなシステムの構築を許可していない。 この論文は3倍です。 (i)最近の新型コロナウイルスの分類モデルで達成された高感度を実証する。 スペイン・グラナダの病院大学Cl\'inico San Cecilioとの密接なコラボレーションの下で,正のRT-PCR, Mild, Moderate から Severe まで,全レベルの重症度を含む同質でバランスの取れたデータベース COVIDGR-1.0 を開発した。 COVIDGR-1.0 には 426 の正の PA (PosteroAnterior) CXR ビューと 426 の負の PA (PosteroAnterior) CXR ビューが含まれる。 3) 新型コロナウイルス分類モデルの一般化能力を向上させるために, COVID Smart Data based Network (COVID-SDNet) 手法を提案する。 我々のアプローチは、9,7.72\% \pm 0.95 \%$, 8,6.90\% \pm 3.20\%$, 6,1.80\% \pm 5.49\%$の厳格で穏やかなCOVID-19重症度レベル(Journal of Biomedical and Health Informaticsに論文として掲載)の精度で、良好で安定した結果に達した。 われわれのアプローチは、新型コロナウイルスの早期発見に役立つかもしれない。 COVIDGR-1.0と重度レベルラベルは、このリンクを通じて科学コミュニティで利用可能である。

関連論文リスト

• CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis [37.41181188499616]
  深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。 5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。 The U-Net-based model was developed to identified a clinically relevant region of the CXR。
  論文  参考訳（メタデータ） (2022-10-11T13:30:34Z)
• 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)
• Generation of COVID-19 Chest CT Scan Images using Generative Adversarial Networks [0.0]
  SARS-CoV-2は、新型コロナウイルスに感染するウイルス性伝染病で、世界中で急速に広まっている。 拡散を減らすために人々をテストし、分離することが非常に重要であり、ここからは、これを迅速かつ効率的に行う必要がある。 いくつかの研究によると、Chest-CTは、新型コロナウイルス患者の診断において、現在の標準であるRT-PCR検査より優れている。
  論文  参考訳（メタデータ） (2021-05-20T13:04:21Z)
• COVID-Net CXR-2: An Enhanced Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-ray Images [58.35627258364233]
  RT-PCR検査への無料スクリーニング戦略として胸部X線(CXR)イメージングの使用は成長し続けています。 我々は、CXR画像からCOVID-19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 CXR-2を紹介する。 ベンチマークデータセットは、少なくとも51カ国16,656人の多国籍コホートから19,203個のCXR画像で構成された。
  論文  参考訳（メタデータ） (2021-05-14T04:29:21Z)
• COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19 from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
  胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。 説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。 結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
  論文  参考訳（メタデータ） (2021-01-19T03:04:09Z)
• Chest X-ray Image Phase Features for Improved Diagnosis of COVID-19 Using Convolutional Neural Network [2.752817022620644]
  最近の研究で、新型コロナウイルス患者のX線写真には、新型コロナウイルスに関する情報が含まれていることが示されている。 胸部X線(CXR)は、高速な撮像時間、広範囲の可用性、低コスト、可搬性から注目されている。 本研究では、CXR画像から新型コロナウイルスの分類を改善するために、新しい多機能畳み込みニューラルネットワーク(CNN)アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2020-11-06T20:26:26Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• 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)
• Automated Chest CT Image Segmentation of COVID-19 Lung Infection based on 3D U-Net [0.0]
  新型コロナウイルス(COVID-19)は世界中の何十億もの生命に影響を与え、公衆医療に大きな影響を与えている。 新型コロナウイルス感染地域のための革新的な自動セグメンテーションパイプラインを提案する。 本手法は,複数の前処理手法を実行することにより,一意およびランダムな画像パッチをオンザフライで生成する訓練に焦点をあてる。
  論文  参考訳（メタデータ） (2020-06-24T17:29:26Z)
• JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
  新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。 感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。 本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
  論文  参考訳（メタデータ） (2020-04-15T12:30:40Z)

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。