論文の概要: A Review of Automated Diagnosis of COVID-19 Based on Scanning Images

• arxiv url: http://arxiv.org/abs/2006.05245v3
• Date: Sat, 24 Jul 2021 05:18:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 14:46:29.395251
• Title: A Review of Automated Diagnosis of COVID-19 Based on Scanning Images
• Title（参考訳）: スキャン画像を用いたcovid-19自動診断法の検討
• Authors: Delong Chen, Shunhui Ji, Fan Liu, Zewen Li, Xinyu Zhou
• Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックにより、何百万もの感染が引き起こされ、世界中で、社会的、経済的に大きな損失を被った。 逆転写ポリメラーゼ連鎖反応 (RT-PCR) の誤陰性率と時間消費により, X線画像とCT画像に基づく診断が広く行われている。 コンピュータビジョン領域の研究者は、放射線学者を支援し、診断精度を向上させるために、機械学習やディープラーニングに基づく多くの自動診断モデルを開発した。
• 参考スコア（独自算出の注目度）: 12.432133365523661
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The pandemic of COVID-19 has caused millions of infections, which has led to a great loss all over the world, socially and economically. Due to the false-negative rate and the time-consuming of the conventional Reverse Transcription Polymerase Chain Reaction (RT-PCR) tests, diagnosing based on X-ray images and Computed Tomography (CT) images has been widely adopted. Therefore, researchers of the computer vision area have developed many automatic diagnosing models based on machine learning or deep learning to assist the radiologists and improve the diagnosing accuracy. In this paper, we present a review of these recently emerging automatic diagnosing models. 70 models proposed from February 14, 2020, to July 21, 2020, are involved. We analyzed the models from the perspective of preprocessing, feature extraction, classification, and evaluation. Based on the limitation of existing models, we pointed out that domain adaption in transfer learning and interpretability promotion would be the possible future directions.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックにより、何百万もの感染が引き起こされ、世界中で、社会的、経済的に大きな損失をもたらした。 従来の逆転写ポリメラーゼ連鎖反応 (rt-pcr) 試験では, 偽陰性率と時間消費のため, x線画像とct画像による診断が広く採用されている。 そのため、コンピュータビジョン領域の研究者は、放射線学者を支援し、診断精度を向上させるために、機械学習や深層学習に基づく多くの自動診断モデルを開発した。 本稿では,最近出現しつつあるこれらの自動診断モデルについて概説する。 2020年2月14日から7月21日までの70モデルが提案されている。 我々は,前処理,特徴抽出,分類,評価の観点からモデルを解析した。 既存のモデルの制限に基づき、転送学習や解釈可能性向上におけるドメイン適応が今後の方向性となることを指摘した。

関連論文リスト

• Virchow: A Million-Slide Digital Pathology Foundation Model [34.38679208931425]
  本稿では,コンピュータ病理学の基礎モデルであるVirchowを紹介する。 Virchowは、150万のヘマトキシリンとエオシン染色されたスライドイメージに基づいて、632万のパラメータをトレーニングしたビジョントランスフォーマーモデルである。
  論文  参考訳（メタデータ） (2023-09-14T15:09:35Z)
• Enhancing COVID-19 Diagnosis through Vision Transformer-Based Analysis of Chest X-ray Images [0.0]
  この研究は、生の胸部X線画像を利用して、新型コロナウイルスの診断を自動化するための革新的な枠組みを提唱している。 開発されたモデルはバイナリ分類性能で評価され、通常の症例と区別される。 提案モデルでは,2進分類では99.92%,99.84%,第三進分類では97.95%,第四進分類では86.48%,第四進分類では86.81%であった。
  論文  参考訳（メタデータ） (2023-06-12T07:34:28Z)
• 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)
• PrepNet: A Convolutional Auto-Encoder to Homogenize CT Scans for Cross-Dataset Medical Image Analysis [0.22485007639406518]
  新型コロナウイルスの診断はPCR検査で効率的に行えるようになったが、このユースケースは、データの多様性を克服する方法論の必要性を実証するものだ。 本稿では,CTスキャンに最小限の変更を同時に導入しながら,イメージング技術によって引き起こされる差を解消することを目的とした,新しい生成手法を提案する。
  論文  参考訳（メタデータ） (2022-08-19T15:49:47Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Contrastive Attention for Automatic Chest X-ray Report Generation [124.60087367316531]
  ほとんどの場合、正常領域が胸部X線像全体を支配し、これらの正常領域の対応する記述が最終報告を支配している。 本稿では,現在の入力画像と通常の画像を比較してコントラスト情報を抽出するContrastive Attention(CA)モデルを提案する。 2つの公開データセットで最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-06-13T11:20:31Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• 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)
• Deep Metric Learning-based Image Retrieval System for Chest Radiograph and its Clinical Applications in COVID-19 [12.584626589565522]
  胸部X線写真(CXR)は、新型コロナウイルス患者のトリアージ、診断、モニタリングにおいて重要な役割を担っている。 CXRの混合信号や非特異的信号を考えると、類似した画像と関連する臨床情報の両方を提供するCXRの画像検索モデルは、より臨床的に有意義である。 本研究では,深度学習に基づく新しいCXR画像検索モデルを開発する。
  論文  参考訳（メタデータ） (2020-11-26T03:16:48Z)
• Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans [1.9133116891556288]
  我々は、2020年1月1日から2020年10月3日までアップロードされた論文とプレプリントについて、OVID、MEDLINE、PubMed、bioRxiv、medRxiv、arXivを介してEMBASEを検索する。 本報告では, 方法的欠陥や根本的バイアスにより, いずれのモデルも臨床応用の可能性を秘めていないことが確認された。
  論文  参考訳（メタデータ） (2020-08-14T14:25:21Z)
• Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
  新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。 最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
  論文  参考訳（メタデータ） (2020-04-06T15:21:34Z)

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。