論文の概要: Blockchain-Federated-Learning and Deep Learning Models for COVID-19 detection using CT Imaging

• arxiv url: http://arxiv.org/abs/2007.06537v2
• Date: Tue, 8 Dec 2020 07:52:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 21:49:54.715539
• Title: Blockchain-Federated-Learning and Deep Learning Models for COVID-19 detection using CT Imaging
• Title（参考訳）: ct画像を用いたcovid-19検出のためのブロックチェーンフェデレーション学習モデルとディープラーニングモデル
• Authors: Rajesh Kumar, Abdullah Aman Khan, Sinmin Zhang, Jay Kumar, Ting Yang, Noorbakhash Amiri Golalirz, Zakria, Ikram Ali, Sidra Shafiq and WenYong Wang
• Abstract要約: 新型コロナウイルスの患者を診断する主な問題は、検査キットの不足と信頼性である。 第2の現実の問題は、世界中の病院間でデータを共有することだ。 第3に,ブロックチェーン技術を用いてグローバルモデルを協調的にトレーニングする手法を設計する。
• 参考スコア（独自算出の注目度）: 8.280858576611587
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increase of COVID-19 cases worldwide, an effective way is required to diagnose COVID-19 patients. The primary problem in diagnosing COVID-19 patients is the shortage and reliability of testing kits, due to the quick spread of the virus, medical practitioners are facing difficulty identifying the positive cases. The second real-world problem is to share the data among the hospitals globally while keeping in view the privacy concerns of the organizations. Building a collaborative model and preserving privacy are major concerns for training a global deep learning model. This paper proposes a framework that collects a small amount of data from different sources (various hospitals) and trains a global deep learning model using blockchain based federated learning. Blockchain technology authenticates the data and federated learning trains the model globally while preserving the privacy of the organization. First, we propose a data normalization technique that deals with the heterogeneity of data as the data is gathered from different hospitals having different kinds of CT scanners. Secondly, we use Capsule Network-based segmentation and classification to detect COVID-19 patients. Thirdly, we design a method that can collaboratively train a global model using blockchain technology with federated learning while preserving privacy. Additionally, we collected real-life COVID-19 patients data, which is, open to the research community. The proposed framework can utilize up-to-date data which improves the recognition of computed tomography (CT) images. Finally, our results demonstrate a better performance to detect COVID-19 patients.
• Abstract（参考訳）: 世界的な新型コロナウイルス感染者の増加に伴い、新型コロナウイルス患者の診断に有効な方法が求められている。 新型コロナウイルスの感染拡大により、検査キットの不足と信頼性が主な問題となり、医療従事者は陽性症例の特定に苦慮している。 第2の現実的な問題は、世界中の病院間でデータを共有し、組織のプライバシー上の懸念を注視することだ。 コラボレーションモデルの構築とプライバシの保護は、グローバルなディープラーニングモデルをトレーニングするための大きな関心事である。 本稿では、異なるソース(さまざまな病院)から少量のデータを集め、ブロックチェーンベースのフェデレーション学習を用いてグローバルなディープラーニングモデルをトレーニングするフレームワークを提案する。 ブロックチェーンテクノロジは、データの認証とフェデレーション学習を、組織のプライバシを維持しながら、グローバルにトレーニングする。 まず,異なる種類のCTスキャナーを持つ病院からデータを収集する際,データの均一性を扱うデータ正規化手法を提案する。 次に、Capsule Networkベースのセグメンテーションと分類を用いて、COVID-19患者を検出する。 第3に,プライバシを保護しながら,フェデレーション学習によるブロックチェーン技術を用いたグローバルモデルを協調的にトレーニングする手法を設計する。 さらに、研究コミュニティに開放された実生活のCOVID-19患者データも収集しました。 提案フレームワークは,CT画像の認識を改善するために,最新のデータを利用することができる。 最後に、この結果により、COVID-19患者の検出性能が向上した。

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)
• Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
  我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。 本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
  論文  参考訳（メタデータ） (2021-11-18T00:43:41Z)
• The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
  深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。 オープンソースデータのトレーニングやテストでは,結果は異例です。 データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
  論文  参考訳（メタデータ） (2021-09-14T10:59:11Z)
• FedDPGAN: Federated Differentially Private Generative Adversarial Networks Framework for the Detection of COVID-19 Pneumonia [11.835113185061147]
  新型コロナウイルス肺炎の検出を目的としたFederatedDifferentially Private Generative Adversarial Network(FedDPGAN)を提案する。 提案モデルの評価は、3種類の胸部X線(CXR)画像データセット(COVID-19, 正常, 正常肺炎)に基づく。
  論文  参考訳（メタデータ） (2021-04-26T13:52:12Z)
• Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
  深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。 我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。 複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
  論文  参考訳（メタデータ） (2021-02-18T21:14:52Z)
• FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
  新型コロナウイルスの感染拡大で医療資源が不足している。 新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。 患者のプライバシー上の懸念から、データそのものはまだ乏しい。 我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
  論文  参考訳（メタデータ） (2021-02-10T01:56:58Z)
• Contrastive Cross-site Learning with Redesigned Net for COVID-19 CT Classification [20.66003113364796]
  新型コロナウイルス感染症(COVID-19)のパンデミックにより、世界の公衆衛生危機が数百カ国で拡大している。 画像解釈の面倒な作業量を削減するとともに、臨床診断を支援するために、CT画像を用いたCOVID-19識別自動化ツールの開発が望まれている。 本稿では、異種データセットを効果的に学習することで、正確な新型コロナウイルス識別を行うための新しい共同学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-15T11:09:04Z)
• Experiments of Federated Learning for COVID-19 Chest X-ray Images [14.347569140079342]
  コンピュータビジョンとディープラーニング技術は、Chest X-ray Imagesで新型コロナウイルスの感染を判定するのに役立つ。 患者のプライバシの保護と尊重のため、病院の特定の医療関連データは、許可なく漏洩や共有を許さなかった。 我々は、新型コロナウイルスデータトレーニングにフェデレートラーニング(フェデレートラーニング)を用いることを提案し、その有効性を検証するために実験を展開した。
  論文  参考訳（メタデータ） (2020-07-05T08:25:37Z)
• 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。