論文の概要: COVID-19-CT-CXR: a freely accessible and weakly labeled chest X-ray and
CT image collection on COVID-19 from biomedical literature
- arxiv url: http://arxiv.org/abs/2006.06177v2
- Date: Thu, 22 Oct 2020 03:03:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 14:26:03.495402
- Title: COVID-19-CT-CXR: a freely accessible and weakly labeled chest X-ray and
CT image collection on COVID-19 from biomedical literature
- Title（参考訳）: covid-19-ct-cxr:covid-19の胸部x線およびct画像集
- Authors: Yifan Peng, Yu-Xing Tang, Sungwon Lee, Yingying Zhu, Ronald M.
Summers, Zhiyong Lu
- Abstract要約: 我々は、COVID-19関連記事から自動的に抽出されたCXRとCT画像の公開データベースであるCOVID-19-CT-CXRを提示する。
最終データベースには1,327個のCTと263個のCXRイメージが含まれており、関連するテキストがある。
- 参考スコア（独自算出の注目度）: 19.00121006721942
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The latest threat to global health is the COVID-19 outbreak. Although there
exist large datasets of chest X-rays (CXR) and computed tomography (CT) scans,
few COVID-19 image collections are currently available due to patient privacy.
At the same time, there is a rapid growth of COVID-19-relevant articles in the
biomedical literature. Here, we present COVID-19-CT-CXR, a public database of
COVID-19 CXR and CT images, which are automatically extracted from
COVID-19-relevant articles from the PubMed Central Open Access (PMC-OA) Subset.
We extracted figures, associated captions, and relevant figure descriptions in
the article and separated compound figures into subfigures. We also designed a
deep-learning model to distinguish them from other figure types and to classify
them accordingly. The final database includes 1,327 CT and 263 CXR images (as
of May 9, 2020) with their relevant text. To demonstrate the utility of
COVID-19-CT-CXR, we conducted four case studies. (1) We show that
COVID-19-CT-CXR, when used as additional training data, is able to contribute
to improved DL performance for the classification of COVID-19 and non-COVID-19
CT. (2) We collected CT images of influenza and trained a DL baseline to
distinguish a diagnosis of COVID-19, influenza, or normal or other types of
diseases on CT. (3) We trained an unsupervised one-class classifier from
non-COVID-19 CXR and performed anomaly detection to detect COVID-19 CXR. (4)
From text-mined captions and figure descriptions, we compared clinical symptoms
and clinical findings of COVID-19 vs. those of influenza to demonstrate the
disease differences in the scientific publications. We believe that our work is
complementary to existing resources and hope that it will contribute to medical
image analysis of the COVID-19 pandemic. The dataset, code, and DL models are
publicly available at https://github.com/ncbi-nlp/COVID-19-CT-CXR.
- Abstract（参考訳）: 世界保健の脅威は、新型コロナウイルスの感染拡大だ。
胸部X線 (CXR) とCTスキャン (CT) の大規模なデータセットが存在するが、患者のプライバシのために現在利用できる新型コロナウイルス画像コレクションはほとんどない。
同時に、バイオメディカル文献では、新型コロナウイルス関連記事が急速に増えている。
ここでは、新型コロナウイルスcxrとct画像の公開データベースであるcovid-19-ct-cxrを、pubmed central open access(pmc-oa)サブセットからcovid-19関連記事から自動的に抽出する。
記事中の図形,関連キャプション,関連図形記述を抽出し,複合図形をサブフィギュアに分離した。
また、他のフィギュアタイプと区別し、それに応じて分類する深層学習モデルも設計した。
最終データベースには1,327個のCTと263個のCXR画像(2020年5月9日現在)が含まれている。
COVID-19-CT-CXRの有用性を実証するために,4つのケーススタディを行った。
1) COVID-19-CT-CXRは、追加のトレーニングデータとして、インフルエンザと非インフルエンザの分類におけるDL性能の向上に寄与することが示され、(2) インフルエンザのCT画像を収集し、DLベースラインを訓練し、CT上のCOVID-19、インフルエンザまたは正常またはその他の種類の疾患の診断を識別すること、(3) 未診断の1クラス分類器を非新型コロナウイルスのCXRから訓練し、異常検出を行い、CXRを検出する。
(4) テキストマイニングキャプションと図形説明から, インフルエンザの臨床症状と臨床所見を比較し, 疾患の鑑別について検討した。
我々の研究は既存の資源を補完するものであり、新型コロナウイルスのパンデミックの医療画像分析に貢献できることを願っている。
データセット、コード、DLモデルはhttps://github.com/ncbi-nlp/COVID-19-CT-CXRで公開されている。
関連論文リスト
- COVIDx CXR-4: An Expanded Multi-Institutional Open-Source Benchmark
Dataset for Chest X-ray Image-Based Computer-Aided COVID-19 Diagnostics [79.90346960083775]
我々は,胸部X線画像を用いたコンピュータ支援型COVID-19診断のための,多施設のオープンソースベンチマークデータセットであるCOVIDx CXR-4を紹介する。
COVIDx CXR-4は、患者の総コホートサイズを2.66倍に増やすことで、前回のCOVIDx CXR-3データセットで大幅に拡大する。
患者人口、画像メタデータ、および疾患分布の多様性について広範な分析を行い、潜在的なデータセットバイアスを明らかにする。
論文 参考訳（メタデータ） (2023-11-29T14:40:31Z) - 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) - Multi-scale alignment and Spatial ROI Module for COVID-19 Diagnosis [13.31017458409054]
本研究では,異なる解像度でコンテキスト情報を統合するために,深部空間ピラミッドプーリング(D-SPP)モジュールを提案する。
また,病変部位に注意を向け,無関係な情報から干渉を取り除くためのCIDモジュールも提案する。
以上の結果から,CTおよびCXR画像における新型コロナウイルスの病変の検出精度が向上した。
論文 参考訳（メタデータ） (2022-07-04T12:07:17Z) - 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) - COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset
for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。
COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。
我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
論文 参考訳（メタデータ） (2022-06-07T06:35:48Z) - HRCTCov19 -- A High-Resolution Chest CT Scan Image Dataset for COVID-19
Diagnosis and Differentiation [0.0]
新型コロナウイルスのパンデミックの間、CT(Computerd tomography)は新型コロナウイルスの患者を診断するための一般的な方法であった。
公開でアクセス可能な新型コロナウイルスのCT画像データセットは、プライバシー上の懸念から入手するのが困難である。
HRCTCov19は、新しい新型コロナウイルス高分解能胸部CTスキャン画像データセットである。
論文 参考訳（メタデータ） (2022-05-06T12:49:18Z) - Medical-VLBERT: Medical Visual Language BERT for COVID-19 CT Report
Generation With Alternate Learning [70.71564065885542]
本稿では,医療用ビジュアル言語BERT(Medical-VLBERT)モデルを用いて,新型コロナウイルススキャンの異常を同定する。
このモデルは、知識事前学習と伝達の2つの手順で、代替的な学習戦略を採用する。
COVID-19患者に対する医療報告の自動作成のために,中国語で368例,胸部CTで1104例の検診を行った。
論文 参考訳（メタデータ） (2021-08-11T07:12:57Z) - Medical Imaging with Deep Learning for COVID- 19 Diagnosis: A
Comprehensive Review [1.7205106391379026]
本論文は, 深層学習モデル(DL)の医療画像・薬物発見への応用に焦点をあてる。
我々は,X線やCT画像などの医療画像に基づく様々な研究と,肺炎に対するCOVID-19の分類方法について詳述した。
論文 参考訳（メタデータ） (2021-07-13T16:49:49Z) - Screening COVID-19 Based on CT/CXR Images & Building a Publicly
Available CT-scan Dataset of COVID-19 [6.142272540492935]
本研究は、1000人以上からなる13k以上のCT画像で構成され、新型コロナウイルスに感染した500人の患者から8kの画像を撮影する大規模なCTスキャンデータセットを構築した。
提案するCTデータセットを用いて,COVID-19をスクリーニングする深層学習モデルを提案し,その結果を報告する。
最後に、トランスファーラーニング手法を用いてCXR画像からCOVID-19をスクリーニングするCTモデルを拡張した。
論文 参考訳（メタデータ） (2020-12-28T11:52:33Z) - 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) - BIMCV COVID-19+: a large annotated dataset of RX and CT images from
COVID-19 patients [2.927469685126833]
このデータベースの最初のイテレーションには、1,380のCX、885のDX、163のCT研究が含まれている。
これは私たちの知る限りでは、オープンフォーマットで利用可能な最大のCOVID-19+画像データセットです。
論文 参考訳（メタデータ） (2020-06-01T18:06:21Z)
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。