論文の概要: UMLS-ChestNet: A deep convolutional neural network for radiological
findings, differential diagnoses and localizations of COVID-19 in chest
x-rays
- arxiv url: http://arxiv.org/abs/2006.05274v1
- Date: Sat, 6 Jun 2020 19:24:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 21:44:10.788427
- Title: UMLS-ChestNet: A deep convolutional neural network for radiological
findings, differential diagnoses and localizations of COVID-19 in chest
x-rays
- Title（参考訳）: UMLS-ChestNet: 胸部X線におけるCOVID-19の放射線学的所見, 鑑別診断, 局在の深部畳み込みニューラルネットワーク
- Authors: Germ\'an Gonz\'alez, Aurelia Bustos, Jos\'e Mar\'ia Salinas, Mar\'ia
de la Iglesia-Vaya, Joaqu\'in Galant, Carlos Cano-Espinosa, Xavier Barber,
Domingo Orozco-Beltr\'an, Miguel Cazorla and Antonio Pertusa
- Abstract要約: 胸部X線からの放射線所見,その位置,鑑別診断の方法を提案する。
我々は,Unified Medical Language System (UMLS) の用語にマッピングされた階層型分類を用いて,189の放射線学的所見,22の鑑別診断,122の解剖学的位置を同定した。
本システムでは,92,594個の前立腺X線 (AP, PA, 立位, 背部, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数, 対数) と, 少なくとも1つの正のポリメラーゼ連鎖反応 (PCR) で同定された2,065個の前立腺画像からなる第2のデータベースを用いて訓練を行った。
- 参考スコア（独自算出の注目度）: 3.718680266467099
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work we present a method for the detection of radiological findings,
their location and differential diagnoses from chest x-rays. Unlike prior works
that focus on the detection of few pathologies, we use a hierarchical taxonomy
mapped to the Unified Medical Language System (UMLS) terminology to identify
189 radiological findings, 22 differential diagnosis and 122 anatomic
locations, including ground glass opacities, infiltrates, consolidations and
other radiological findings compatible with COVID-19. We train the system on
one large database of 92,594 frontal chest x-rays (AP or PA, standing, supine
or decubitus) and a second database of 2,065 frontal images of COVID-19
patients identified by at least one positive Polymerase Chain Reaction (PCR)
test. The reference labels are obtained through natural language processing of
the radiological reports. On 23,159 test images, the proposed neural network
obtains an AUC of 0.94 for the diagnosis of COVID-19. To our knowledge, this
work uses the largest chest x-ray dataset of COVID-19 positive cases to date
and is the first one to use a hierarchical labeling schema and to provide
interpretability of the results, not only by using network attention methods,
but also by indicating the radiological findings that have led to the
diagnosis.
- Abstract（参考訳）: そこで本研究では,胸部x線からx線所見,位置,鑑別診断を行う方法を提案する。
本研究は、いくつかの病理組織を検出することに焦点を当てた以前の研究とは異なり、Unified Medical Language System (UMLS) の用語にマッピングされた階層的分類を用いて、189の放射線学的所見、22の鑑別診断および122の解剖学的位置を同定する。
我々は,このシステムを92,594個の胸部x線(ap, pa, standing, supine, decubitus)の巨大なデータベースと,少なくとも1つの陽性pcr検査で同定された新型コロナウイルス患者の2,065枚の正面画像で訓練した。
基準ラベルは、放射線報告書の自然言語処理により得られる。
23,159枚のテスト画像で、提案されたニューラルネットワークは、COVID-19の診断のためのAUC0.94を取得する。
我々の知る限り、本研究は新型コロナウイルス陽性症例の胸部X線データセットとして過去最大であり、階層的ラベル付けスキーマを初めて使用し、ネットワークアテンション法だけでなく、診断に繋がった放射線学的所見を示すことによって結果の解釈性を提供する。
関連論文リスト
- 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) - FLANNEL: Focal Loss Based Neural Network Ensemble for COVID-19 Detection [61.04937460198252]
正常, 細菌性肺炎, 非ウイルス性肺炎, COVID-19の4型を有する2874例のX線画像データを構築した。
FLANNEL(Focal Loss Based Neural Ensemble Network)を提案する。
FLANNELは、すべての指標において、新型コロナウイルス識別タスクのベースラインモデルを一貫して上回っている。
論文 参考訳（メタデータ） (2020-10-30T03:17:31Z) - RANDGAN: Randomized Generative Adversarial Network for Detection of
COVID-19 in Chest X-ray [0.0]
新型コロナウイルス(COVID-19)が世界中に広がる中で、医療機関は患者を診断し、必要な頻度で検査する能力を失っている。
研究は、胸部X線でウイルス性細菌性肺炎から新型コロナウイルスを検出できる有望な結果を示している。
本研究では,ラベルやトレーニングデータを必要とせず,未知のクラス(COVID-19)の画像を検出するランダム化生成敵ネットワーク(RANDGAN)を提案する。
論文 参考訳（メタデータ） (2020-10-06T15:58:09Z) - CCBlock: An Effective Use of Deep Learning for Automatic Diagnosis of
COVID-19 Using X-Ray Images [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、世界の人々の健康と健康に劇的に影響している。
新型コロナウイルスの感染拡大を根絶するためには、新型コロナウイルスの検出・診断支援方法を開発する必要がある。
畳み込みニューラルネットワーク(CNN)に基づいて、自動検出システムは、新型コロナウイルス患者をラジオグラフィーで診断する有望な結果を示している。
論文 参考訳（メタデータ） (2020-09-21T19:20:01Z) - Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray
Images [61.24431480245932]
COVID-19 Multi-Task Networkは、新型コロナウイルススクリーニングのためのエンドツーエンドネットワークである。
我々は,ChestXray-14,CheXpertおよび統合型COVID-19データセットから採取した9000個の前頭胸部X線写真から肺領域を手動で注釈した。
このデータベースは研究コミュニティに公開されます。
論文 参考訳（メタデータ） (2020-08-03T12:52:23Z) - PDCOVIDNet: A Parallel-Dilated Convolutional Neural Network Architecture
for Detecting COVID-19 from Chest X-Ray Images [1.4824891788575418]
新型コロナウイルスのパンデミックは、世界保健システムの繁栄を著しく損なわれ続けている。
胸部X線画像による放射線学的評価は,重要なスクリーニング技術の一つである。
胸部X線画像を用いた並列拡散畳み込みニューラルネットワークによる新型コロナウイルス検出システムを提案する。
論文 参考訳（メタデータ） (2020-07-29T12:28:16Z) - Learning Diagnosis of COVID-19 from a Single Radiological Image [1.9049294570026933]
条件付き単一画像から学習可能な新しい条件生成モデルCoSinGANを提案する。
我々のCoSinGANは、新型コロナウイルス感染症の視覚所見の条件付き分布を捉え、さらに多様な高解像度の放射線画像の合成を可能にします。
CoSinGANから合成されたサンプルに基づいて訓練された深層分類とセグメンテーションネットワークは、新型コロナウイルス感染の顕著な検出精度を達成する。
論文 参考訳（メタデータ） (2020-06-06T07:41:28Z) - Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community
Acquired Pneumonia [46.521323145636906]
胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。
特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。
我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
論文 参考訳（メタデータ） (2020-05-06T09:56:51Z) - 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) - Segmentation for Classification of Screening Pancreatic Neuroendocrine
Tumors [72.65802386845002]
本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。
我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。
我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
論文 参考訳（メタデータ） (2020-04-04T21:21:44Z)
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。