Fugu-MT 論文翻訳(概要): COVID-19 Screening Using Residual Attention Network an Artificial Intelligence Approach

論文の概要: COVID-19 Screening Using Residual Attention Network an Artificial Intelligence Approach

arxiv url: http://arxiv.org/abs/2006.16106v3
Date: Tue, 20 Oct 2020 16:54:38 GMT
ステータス: 処理完了
システム内更新日: 2022-11-16 22:06:29.889216
Title: COVID-19 Screening Using Residual Attention Network an Artificial Intelligence Approach
Title（参考訳）: 人工知能を用いた残留注意ネットワークを用いた新型コロナウイルススクリーニング
Authors: Vishal Sharma, Curtis Dyreson
Abstract要約: 新型コロナウイルスは現在200カ国以上で600万人が感染している。人工知能を用いた新型コロナウイルススクリーニング手法を提案する。私たちの技術は、患者のウイルスの存在を確認するのにほんの数秒しかかからない。
参考スコア（独自算出の注目度）: 2.6520663596293437
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Coronavirus Disease 2019 (COVID-19) is caused by severe acute respiratory syndrome coronavirus 2 virus (SARS-CoV-2). The virus transmits rapidly; it has a basic reproductive number R of 2.2-2.7. In March 2020, the World Health Organization declared the COVID-19 outbreak a pandemic. COVID-19 is currently affecting more than 200 countries with 6M active cases. An effective testing strategy for COVID-19 is crucial to controlling the outbreak but the demand for testing surpasses the availability of test kits that use Reverse Transcription Polymerase Chain Reaction (RT-PCR). In this paper, we present a technique to screen for COVID-19 using artificial intelligence. Our technique takes only seconds to screen for the presence of the virus in a patient. We collected a dataset of chest X-ray images and trained several popular deep convolution neural network-based models (VGG, MobileNet, Xception, DenseNet, InceptionResNet) to classify the chest X-rays. Unsatisfied with these models, we then designed and built a Residual Attention Network that was able to screen COVID-19 with a testing accuracy of 98% and a validation accuracy of 100%. A feature maps visual of our model show areas in a chest X-ray which are important for classification. Our work can help to increase the adaptation of AI-assisted applications in clinical practice. The code and dataset used in this project are available at https://github.com/vishalshar/covid-19-screening-using-RAN-on-X-ray-images.
Abstract（参考訳）: コロナウイルス病2019(COVID-19)は、重症急性呼吸器症候群ウイルス2ウイルス(SARS-CoV-2)によって引き起こされる。ウイルスは急速に伝達し、基本生殖数Rは2.2-2.7である。 2020年3月、世界保健機関(WHO)は新型コロナウイルスのパンデミックを宣言。現在covid-19は、600万のアクティブケースを持つ200以上の国に影響を与えている。新型コロナウイルスの効果的な検査戦略は、感染の抑制に不可欠であるが、検査の需要は、RT-PCR(Reverse Transcription Polymerase Chain Reaction)を用いたテストキットの可用性を上回る。本稿では,人工知能を用いた新型コロナウイルスのスクリーニング手法を提案する。この技術は、患者のウイルスの存在を確認するのにほんの数秒しかかからない。胸部x線画像のデータセットを収集し、いくつかの一般的な深層畳み込みニューラルネットワークモデル(vgg、mobilenet、xception、dangnet、inceptionresnet)を訓練し、胸部x線を分類した。これらのモデルに満足せず、検査精度98%、検証精度100%で新型コロナウイルスをスクリーニングできる残留注意ネットワークを設計、構築しました。モデルの視覚的な特徴地図には,分類に重要な胸部x線領域が示されている。我々の研究は、臨床実践におけるAI支援アプリケーションの適応性を高めるのに役立つ。このプロジェクトで使用されるコードとデータセットはhttps://github.com/vishalshar/covid-19-screening-using-RAN-on-X-ray-imagesで公開されている。

関連論文リスト

A Deep Learning Approach for the Detection of COVID-19 from Chest X-Ray Images using Convolutional Neural Networks [0.0]
COVID-19(コロナウイルス)は、重症急性呼吸器症候群ウイルス(SARS-CoV-2)によるパンデミックである。 2019年12月中旬、中国武漢の湖北省で初感染が確認された。全世界で7550万件以上が確認され、167万件以上が死亡している。
論文参考訳（メタデータ） (2022-01-24T21:12:25Z)
The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
論文参考訳（メタデータ） (2021-09-18T02:28:01Z)
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)
CovidGAN: Data Augmentation Using Auxiliary Classifier GAN for Improved Covid-19 Detection [6.123089440692208]
ウイルス(covid-19)は重症急性呼吸器症候群(sarscov-2)によるウイルス性疾患である。初期の結果は、covid-19を示唆する患者の胸部x線に異常が存在することを示唆している。 convolutional neural networks(cnns)のようなディープラーニングシステムは、かなりの量のトレーニングデータを必要とする。
論文参考訳（メタデータ） (2021-03-08T21:53:29Z)
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)
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)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文参考訳（メタデータ） (2020-05-24T23:13:16Z)
Deep Learning for Screening COVID-19 using Chest X-Ray Images [0.2062593640149623]
深層ニューラルネットワークを学習するためのドメイン拡張伝達学習(DETL)という新しい概念を提案する。我々は、トレーニング済みの深部畳み込みニューラルネットワークを持つDETLを、関連する大きな胸部X線データセットに採用する。胸部X線による新型コロナウイルスの診断の可能性を評価するため、5倍のクロスバリデーションを行う。
論文参考訳（メタデータ） (2020-04-22T11:41:50Z)
COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose COVID-19 in X-Ray Images [10.312968200748116]
2019年の新型コロナウイルス(COVID-19)は、2019年末に中国の武漢市で新型肺炎として発見された。本稿の目的は、放射線科医がX線画像中のCOVID-19を自動的に診断するのを支援するための新しいディープラーニングフレームワーク、すなわちCOVIDX-Netを導入することである。
論文参考訳（メタデータ） (2020-03-24T18:21:10Z)
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。