論文の概要: Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest CT Images

• arxiv url: http://arxiv.org/abs/2006.13276v1
• Date: Tue, 16 Jun 2020 10:14:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-20 20:47:56.561451
• Title: Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest CT Images
• Title（参考訳）: 胸部CT画像からのFew-Shot COVID-19診断のためのMomentum Contrastive Learning
• Authors: Xiaocong Chen and Lina Yao and Tao Zhou and Jinming Dong and Yu Zhang
• Abstract要約: 本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。 コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。 以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
• 参考スコア（独自算出の注目度）: 41.73507451077361
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The current pandemic, caused by the outbreak of a novel coronavirus (COVID-19) in December 2019, has led to a global emergency that has significantly impacted economies, healthcare systems and personal wellbeing all around the world. Controlling the rapidly evolving disease requires highly sensitive and specific diagnostics. While real-time RT-PCR is the most commonly used, these can take up to 8 hours, and require significant effort from healthcare professionals. As such, there is a critical need for a quick and automatic diagnostic system. Diagnosis from chest CT images is a promising direction. However, current studies are limited by the lack of sufficient training samples, as acquiring annotated CT images is time-consuming. To this end, we propose a new deep learning algorithm for the automated diagnosis of COVID-19, which only requires a few samples for training. Specifically, we use contrastive learning to train an encoder which can capture expressive feature representations on large and publicly available lung datasets and adopt the prototypical network for classification. We validate the efficacy of the proposed model in comparison with other competing methods on two publicly available and annotated COVID-19 CT datasets. Our results demonstrate the superior performance of our model for the accurate diagnosis of COVID-19 based on chest CT images.
• Abstract（参考訳）: 2019年12月に新型コロナウイルス(COVID-19)が流行した現在のパンデミックは、世界的な緊急事態を招き、世界各国の経済、医療システム、個人福祉に大きな影響を与えた。 急速に進行する疾患を制御するには、高度に敏感で特定の診断が必要である。 リアルタイムrt-pcrが最も一般的に使用されるが、最大8時間かかり、医療従事者からかなりの労力がかかる。 そのため、迅速かつ自動的な診断システムが必要である。 胸部CT画像からの診断は有望な方向である。 しかし,アノテートct画像の取得には時間を要するため,訓練サンプルが不足しているため,現在の研究は限られている。 そこで本研究では,新型コロナウイルス(covid-19)の自動診断のための新しい深層学習アルゴリズムを提案する。 具体的には、コントラスト学習を用いて、大規模かつ一般に利用可能な肺データセット上で表現的な特徴表現をキャプチャするエンコーダを訓練し、分類のための原型的ネットワークを採用する。 提案モデルの有効性を,公に利用可能かつ注釈付き2つのctデータセットで比較検討した。 以上の結果から,胸部ct画像によるcovid-19の診断に優れた効果が得られた。

関連論文リスト

• A Novel Implementation of Machine Learning for the Efficient, Explainable Diagnosis of COVID-19 from Chest CT [0.0]
  本研究の目的は、胸部CTスキャンから新型コロナウイルスを機械学習で検出することである。 提案したモデルは0.927の総合精度と0.958の感度を得た。
  論文  参考訳（メタデータ） (2022-06-15T18:35:22Z)
• 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-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• 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)
• COVID-19 CT Image Synthesis with a Conditional Generative Adversarial Network [26.12568967493797]
  コロナウイルス感染症2019(COVID-19)は、2019年12月以降急速に拡大している世界的なパンデミックである。 リアルタイム逆転写ポリメラーゼ鎖反応 (rRT-PCR) と胸部CT画像撮影 (CT) はどちらも新型コロナウイルスの診断において重要な役割を担っている。 深層学習に基づくコンピュータビジョン手法は、医用画像の応用において非常に有望であることを示す。
  論文  参考訳（メタデータ） (2020-07-29T07:20:06Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• Residual Attention U-Net for Automated Multi-Class Segmentation of COVID-19 Chest CT Images [46.844349956057776]
  新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。 新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。 複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-12T16:24:59Z)

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。