論文の概要: Does Non-COVID19 Lung Lesion Help? Investigating Transferability in COVID-19 CT Image Segmentation

• arxiv url: http://arxiv.org/abs/2006.13877v2
• Date: Mon, 4 Jan 2021 05:03:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 23:45:46.679036
• Title: Does Non-COVID19 Lung Lesion Help? Investigating Transferability in COVID-19 CT Image Segmentation
• Title（参考訳）: 非共生19肺病変は有効か? CT画像分割における転写性の検討
• Authors: Yixin Wang, Yao Zhang, Yang Liu, Jiang Tian, Cheng Zhong, Zhongchao Shi, Yang Zhang, Zhiqiang He
• Abstract要約: コロナウイルス感染症2019(COVID-19)は、世界中に広がる非常に伝染性のウイルスである。 深層学習は、CT画像からのCOVID-19の検出とセグメンテーションを支援する効果的な手法として採用されている。 新型コロナウイルスの感染領域の分断に様々な非19の肺病変が寄与するかどうかは不明だ。
• 参考スコア（独自算出の注目度）: 34.55146751502702
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coronavirus disease 2019 (COVID-19) is a highly contagious virus spreading all around the world. Deep learning has been adopted as an effective technique to aid COVID-19 detection and segmentation from computed tomography (CT) images. The major challenge lies in the inadequate public COVID-19 datasets. Recently, transfer learning has become a widely used technique that leverages the knowledge gained while solving one problem and applying it to a different but related problem. However, it remains unclear whether various non-COVID19 lung lesions could contribute to segmenting COVID-19 infection areas and how to better conduct this transfer procedure. This paper provides a way to understand the transferability of non-COVID19 lung lesions. Based on a publicly available COVID-19 CT dataset and three public non-COVID19 datasets, we evaluate four transfer learning methods using 3D U-Net as a standard encoder-decoder method. The results reveal the benefits of transferring knowledge from non-COVID19 lung lesions, and learning from multiple lung lesion datasets can extract more general features, leading to accurate and robust pre-trained models. We further show the capability of the encoder to learn feature representations of lung lesions, which improves segmentation accuracy and facilitates training convergence. In addition, our proposed Hybrid-encoder learning method incorporates transferred lung lesion features from non-COVID19 datasets effectively and achieves significant improvement. These findings promote new insights into transfer learning for COVID-19 CT image segmentation, which can also be further generalized to other medical tasks.
• Abstract（参考訳）: コロナウイルス感染症2019(COVID-19)は、世界中に広がる感染症である。 深層学習は、CT画像からのCOVID-19の検出とセグメンテーションを支援する効果的な手法として採用されている。 最大の課題は、新型コロナウイルス(COVID-19)のデータセットが不十分であることだ。 近年,トランスファー学習は,ある課題を解き,別の問題に適用しながら得られる知識を活用する手法として広く利用されている。 しかし、新型コロナウイルス感染症領域の分断に様々な非19の肺病変が寄与するかどうかや、この移行手順の実施方法については明らかになっていない。 本稿では,非共生19肺病変の転移性を理解する方法を提案する。 3D U-Netを標準エンコーダ・デコーダ法として用いた4つのトランスファー学習手法を,公開のCOVID-19 CTデータセットと3つの公開非COVID19データセットに基づいて評価した。 その結果,非共発性肺病変からの知識伝達の利点が明らかとなり,複数の肺病変データセットからの学習によりより一般的な特徴が抽出され,正確かつ堅牢な事前訓練モデルが得られた。 さらに,肺病変の特徴表現を学習するエンコーダの能力を示し,セグメンテーション精度を改善し,コンバージェンス訓練を容易にする。 さらに,提案手法では,非covid19データセットからの肺病変を効果的に導入し,有意な改善を実現する。 これらの知見は、他の医療タスクにさらに一般化できる、COVID-19 CT画像セグメンテーションのためのトランスファーラーニングの新しい洞察を促進する。

関連論文リスト

• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• Automatic segmentation of novel coronavirus pneumonia lesions in CT images utilizing deep-supervised ensemble learning network [3.110938126026385]
  新型コロナウイルス(COVID-19)の病変の構造は複雑で、様々なケースで大きく異なる。 過度に適合する問題を補うために、トランスファーラーニング戦略が採用されている。 深い教師付きアンサンブル学習ネットワークは、COVID-19の病変セグメンテーションの局所的特徴とグローバル的特徴を組み合わせるために提示される。
  論文  参考訳（メタデータ） (2021-10-25T11:49:20Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• COVID-19 identification from volumetric chest CT scans using a progressively resized 3D-CNN incorporating segmentation, augmentation, and class-rebalancing [4.446085353384894]
  新型コロナウイルスは世界的なパンデミックの流行だ。 高い感度のコンピュータ支援スクリーニングツールは、疾患の診断と予後に不可欠である。 本稿では,3次元畳み込みニューラルネットワーク(CNN)に基づく分類手法を提案する。
  論文  参考訳（メタデータ） (2021-02-11T18:16:18Z)
• A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
  新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。 提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。 本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T01:39:19Z)
• Exploiting Shared Knowledge from Non-COVID Lesions for Annotation-Efficient COVID-19 CT Lung Infection Segmentation [10.667692828593125]
  新型コロナウイルスの肺感染分画における相関駆動型協調学習モデルを提案する。 我々は、抽出された特徴間の関係の整合性を調整するために、COVIDと非COVIDの病変間の共通知識を利用する。 本手法は,高品質なアノテーションが不足している既存手法と比較して,高いセグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2020-12-31T11:40:29Z)
• 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)
• 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)
• COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
  新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。 近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。 本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
  論文  参考訳（メタデータ） (2020-04-30T03:13:40Z)
• 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。