Fugu-MT 論文翻訳(概要): A Novel and Reliable Deep Learning Web-Based Tool to Detect COVID-19 Infection from Chest CT-Scan

論文の概要: A Novel and Reliable Deep Learning Web-Based Tool to Detect COVID-19 Infection from Chest CT-Scan

arxiv url: http://arxiv.org/abs/2006.14419v2
Date: Fri, 26 Jun 2020 13:26:14 GMT
ステータス: 処理完了
システム内更新日: 2022-11-17 12:42:11.230521
Title: A Novel and Reliable Deep Learning Web-Based Tool to Detect COVID-19 Infection from Chest CT-Scan
Title（参考訳）: 胸部ctスキャンからcovid-19感染を検出する新しい信頼性の高いディープラーニングwebツール
Authors: Abdolkarim Saeedi, Maryam Saeedi, Arash Maghsoudi
Abstract要約: コロナウイルスはすでに多くの国で世界中に広がり命を落としていますこの実験では、746人の参加者を含む最大規模の公共胸部CTスキャンデータベースが使用された。 Densely Connected Convolutional Network(DenseNet)とNu-SVMを併用して、新型コロナウイルスと健康管理を区別した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The corona virus is already spread around the world in many countries, and it has taken many lives. Furthermore, the world health organization (WHO) has announced that COVID-19 has reached the global epidemic stage. Early and reliable diagnosis using chest CT-scan can assist medical specialists in vital circumstances. In this work, we introduce a computer aided diagnosis (CAD) web service to detect COVID- 19 online. One of the largest public chest CT-scan databases, containing 746 participants was used in this experiment. A number of well-known deep neural network architectures consisting of ResNet, Inception and MobileNet were inspected to find the most efficient model for the hybrid system. A combination of the Densely connected convolutional network (DenseNet) in order to reduce image dimensions and Nu-SVM as an anti-overfitting bottleneck was chosen to distinguish between COVID-19 and healthy controls. The proposed methodology achieved 90.80% recall, 89.76% precision and 90.61% accuracy. The method also yields an AUC of 95.05%. Ultimately a flask web service is made public through ngrok using the trained models to provide a RESTful COVID-19 detector, which takes only 39 milliseconds to process one image. The source code is also available at https://github.com/KiLJ4EdeN/COVID_WEB. Based on the findings, it can be inferred that it is feasible to use the proposed technique as an automated tool for diagnosis of COVID-19.
Abstract（参考訳）: コロナウイルスは、多くの国で既に世界中に広がり、多くの命を落としている。さらに、世界保健機関(WHO)は、新型コロナウイルスが世界的な流行期に達したと発表した。胸部CTスキャンによる早期かつ信頼性の高い診断は、重要な状況において医療専門家を支援することができる。本稿では,covid-19をオンライン上で検出するためのcad(computer aided diagnostic) webサービスを紹介する。この実験では、746人の参加者を含む最大規模の胸部CTスキャンデータベースが使用された。 ResNet、Inception、MobileNetで構成される多くの有名なディープニューラルネットワークアーキテクチャが検査され、ハイブリッドシステムの最も効率的なモデルが見つかった。画像サイズを減らすためにdensenet(dungly connected convolutional network)と、アンチオーバーフィッティングボトルネックとしてのnu-svmを組み合わせて、covid-19と健全なコントロールを区別した。提案手法は90.80%のリコール、89.76%の精度、90.61%の精度を達成した。また、AUCは95.05%である。最終的には、トレーニングされたモデルを使用して、39ミリ秒で1つの画像を処理できるRESTfulなCOVID-19検出器を提供する。ソースコードはhttps://github.com/kilj4eden/covid_webでも利用できる。以上の結果から,提案手法を新型コロナウイルスの診断の自動化ツールとして利用することは可能であると推測できる。

関連論文リスト

COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文参考訳（メタデータ） (2023-01-04T16:05:51Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
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-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19 from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
論文参考訳（メタデータ） (2021-01-19T03:04:09Z)
Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural Networks [68.8204255655161]
私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
論文参考訳（メタデータ） (2020-12-29T01:14:17Z)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)
Using Deep Convolutional Neural Networks to Diagnose COVID-19 From Chest X-Ray Images [2.2442606948134927]
このプロジェクトでは、COVID-19-CXR-Datasetという名称の、COVID-19 CXRのオープンソースデータセットを提示し、深い畳み込みニューラルネットワークモデルを導入する。このモデルは740枚のテスト画像に検証を行い、精度87.3%、精度89.67パーセント、リコール84.46%を達成し、テストセットで100個のCOVID-19 X線画像のうち98個を正しく分類する。
論文参考訳（メタデータ） (2020-07-19T15:47:37Z)
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)
Automated Detection of COVID-19 from CT Scans Using Convolutional Neural Networks [0.0]
COVID-19はSARS-CoV 2003と同様の呼吸器障害を引き起こす感染症である。 U-Netアーキテクチャを用いて2次元セグメンテーションモデルを構築し,感染領域をマークアウトして出力する。
論文参考訳（メタデータ） (2020-06-23T06:50:41Z)
Automatic Detection of Coronavirus Disease (COVID-19) in X-ray and CT Images: A Machine Learning-Based Approach [2.488407849738164]
新型コロナウイルスは感染性が高く、臨床的に承認された抗ウイルス薬やワクチンが使用できない病原体である。現在、カナダでは新型コロナウイルスの初診は推奨されていない。本研究では,新型コロナウイルスの自動分類のためのディープラーニングに基づく特徴抽出フレームワークの比較を行った。
論文参考訳（メタデータ） (2020-04-22T15:34:45Z)
COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
論文参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。