論文の概要: CheXphoto: 10,000+ Photos and Transformations of Chest X-rays for
Benchmarking Deep Learning Robustness
- arxiv url: http://arxiv.org/abs/2007.06199v2
- Date: Fri, 11 Dec 2020 10:11:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 23:40:40.912794
- Title: CheXphoto: 10,000+ Photos and Transformations of Chest X-rays for
Benchmarking Deep Learning Robustness
- Title（参考訳）: CheXPhoto:1万枚以上の胸部X線写真と変換による深層学習ロバストネスのベンチマーク
- Authors: Nick A. Phillips, Pranav Rajpurkar, Mark Sabini, Rayan Krishnan,
Sharon Zhou, Anuj Pareek, Nguyet Minh Phu, Chris Wang, Mudit Jain, Nguyen
Duong Du, Steven QH Truong, Andrew Y. Ng, Matthew P. Lungren
- Abstract要約: スマートフォン写真とCheXpertデータセットから採取した胸部X線の合成写真変換のデータセットであるCheXphotoを紹介した。
CheX Photo を生成するためには,(1) 異なる設定でデジタルX線を自動かつ手動で撮影し,(2) デジタルX線やX線フィルムのように見せることを目的とした,デジタルX線を合成変換する。
我々は,このデータセットを,胸部X線のスマートフォン写真に対する胸部X線自動解釈のためのディープラーニングアルゴリズムの堅牢性をテストするためのリソースとしてリリースする。
- 参考スコア（独自算出の注目度）: 6.269757571876924
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Clinical deployment of deep learning algorithms for chest x-ray
interpretation requires a solution that can integrate into the vast spectrum of
clinical workflows across the world. An appealing approach to scaled deployment
is to leverage the ubiquity of smartphones by capturing photos of x-rays to
share with clinicians using messaging services like WhatsApp. However, the
application of chest x-ray algorithms to photos of chest x-rays requires
reliable classification in the presence of artifacts not typically encountered
in digital x-rays used to train machine learning models. We introduce
CheXphoto, a dataset of smartphone photos and synthetic photographic
transformations of chest x-rays sampled from the CheXpert dataset. To generate
CheXphoto we (1) automatically and manually captured photos of digital x-rays
under different settings, and (2) generated synthetic transformations of
digital x-rays targeted to make them look like photos of digital x-rays and
x-ray films. We release this dataset as a resource for testing and improving
the robustness of deep learning algorithms for automated chest x-ray
interpretation on smartphone photos of chest x-rays.
- Abstract（参考訳）: 胸部x線解釈のためのディープラーニングアルゴリズムの臨床展開には、世界中の幅広い臨床ワークフローに統合可能なソリューションが必要である。
スケールされたデプロイメントに対する魅力的なアプローチは、WhatsAppのようなメッセージングサービスを使って、X線の写真を撮って臨床医と共有することで、スマートフォンのユビキティを活用することだ。
しかし、胸部X線アルゴリズムを胸部X線写真に適用するには、機械学習モデルのトレーニングに使用されるデジタルX線では通常遭遇しないアーティファクトの存在を確実に分類する必要がある。
スマートフォン写真とCheXpertデータセットから採取した胸部X線の合成写真変換のデータセットであるCheXphotoを紹介した。
CheX Photo を生成するためには,(1) 異なる設定でデジタルX線を自動かつ手動で撮影し,(2) デジタルX線とX線フィルムのように見えるようにするためのデジタルX線を合成変換する。
我々はこのデータセットを,胸部X線写真の自動解釈のためのディープラーニングアルゴリズムの堅牢性をテストするためのリソースとしてリリースする。
関連論文リスト
- LeDNet: Localization-enabled Deep Neural Network for Multi-Label Radiography Image Classification [0.1227734309612871]
マルチラベルラジオグラフィー画像分類は、長い間ニューラルネットワーク研究における関心のトピックであった。
胸部X線画像を用いて胸部疾患を診断する。
胸部疾患を高精度に予測するために,LDNetと呼ばれる局所化アルゴリズムと深層学習アルゴリズムの組み合わせを提案する。
論文 参考訳（メタデータ） (2024-07-04T13:46:30Z) - Multi-view X-ray Image Synthesis with Multiple Domain Disentanglement from CT Scans [10.72672892416061]
過剰投与されたX線は、ある程度人間の健康への潜在的なリスクを重畳する。
ボリュームスキャンからX線画像へのデータ駆動アルゴリズムは、ペア化されたX線とボリュームデータの不足によって制限される。
我々は,3つの異なる画像領域からのコンテンツとスタイルのゆがみを利用して,X線画像をエンドツーエンドに合成するCT2X-GANを提案する。
論文 参考訳（メタデータ） (2024-04-18T04:25:56Z) - Radiative Gaussian Splatting for Efficient X-ray Novel View Synthesis [88.86777314004044]
我々は,X線ノベルビュー可視化のための3次元ガウシアンスプラッティングに基づくフレームワーク,すなわちX-ガウシアンを提案する。
実験の結果,X-Gaussianは6.5dBの最先端手法より優れており,トレーニング時間は15%未満であり,推論速度は73倍であることがわかった。
論文 参考訳（メタデータ） (2024-03-07T00:12:08Z) - Multi-Label Chest X-Ray Classification via Deep Learning [0.0]
本研究の目的は,X線画像から14種類の胸部状態を検出する軽量なソリューションを開発することである。
画像機能に加えて、X線ビュータイプ、年齢、性別などのデータで利用可能な非画像機能も使用します。
本研究の目的は, これまでの研究を改良し, 予測を14疾患に拡張し, 将来の胸部X線撮影研究への洞察を提供することである。
論文 参考訳（メタデータ） (2022-11-27T20:27:55Z) - Artificial Intelligence for Automatic Detection and Classification
Disease on the X-Ray Images [0.0]
本研究では,Deep Learning Pre-trained RepVGGアルゴリズムを用いて肺疾患の迅速検出を行う。
我々は、人の肺の患部の自動ハイライト検出に人工知能技術を適用している。
論文 参考訳（メタデータ） (2022-11-14T03:51:12Z) - Computer Vision on X-ray Data in Industrial Production and Security
Applications: A survey [89.45221564651145]
本稿では,コンピュータビジョンと機械学習を用いた産業生産およびセキュリティアプリケーションにおけるX線分析に関する最近の研究をレビューする。
公開されているデータセット上でのアプリケーション、テクニック、評価メトリクス、データセット、それらのテクニックのパフォーマンス比較をカバーしている。
論文 参考訳（メタデータ） (2022-11-10T13:37:36Z) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - Cross-Modal Contrastive Learning for Abnormality Classification and
Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。
まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。
放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
論文 参考訳（メタデータ） (2021-04-11T09:16:29Z) - CheXphotogenic: Generalization of Deep Learning Models for Chest X-ray
Interpretation to Photos of Chest X-rays [4.396061096553544]
胸部X線写真に適用した8種類の胸部X線モデルの診断成績を測定した。
いくつかのモデルは胸部X線写真に適用すると性能が低下するが、この低下にもかかわらず、一部のモデルは放射線学者に相容れない性能を示した。
論文 参考訳（メタデータ） (2020-11-12T00:16:51Z) - Learning Invariant Feature Representation to Improve Generalization
across Chest X-ray Datasets [55.06983249986729]
我々は、トレーニングデータと同じデータセットでテストすると、ディープラーニングモデルが、異なるソースからデータセットでテストされると、パフォーマンスが低下し始めることを示す。
対戦型トレーニング戦略を用いることで、ネットワークはソース不変表現を学習せざるを得ないことを示す。
論文 参考訳（メタデータ） (2020-08-04T07:41:15Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z)
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。