論文の概要: Predicting Clinical Outcomes in COVID-19 using Radiomics and Deep Learning on Chest Radiographs: A Multi-Institutional Study

• arxiv url: http://arxiv.org/abs/2007.08028v2
• Date: Thu, 1 Jul 2021 18:47:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 05:38:03.300840
• Title: Predicting Clinical Outcomes in COVID-19 using Radiomics and Deep Learning on Chest Radiographs: A Multi-Institutional Study
• Title（参考訳）: 胸部X線写真における放射線と深層学習を用いた新型コロナウイルスの臨床成績予測 : 多施設共同研究
• Authors: Joseph Bae, Saarthak Kapse, Gagandeep Singh, Rishabh Gattu, Syed Ali, Neal Shah, Colin Marshall, Jonathan Pierce, Tej Phatak, Amit Gupta, Jeremy Green, Nikhil Madan, Prateek Prasanna
• Abstract要約: 新型コロナウイルス感染症(COVID-19)患者の胸部X線写真(CXR)の計算モデルを用いて,機械的換気要件と死亡率を予測する。 2020年3月から8月にかけて、Stony Brook大学病院とNewark Beth Israel Medical Centerで治療された新型コロナウイルス患者530種のCXRを解析した。
• 参考スコア（独自算出の注目度）: 3.3839341058136054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We predict mechanical ventilation requirement and mortality using computational modeling of chest radiographs (CXRs) for coronavirus disease 2019 (COVID-19) patients. This two-center, retrospective study analyzed 530 deidentified CXRs from 515 COVID-19 patients treated at Stony Brook University Hospital and Newark Beth Israel Medical Center between March and August 2020. DL and machine learning classifiers to predict mechanical ventilation requirement and mortality were trained and evaluated using patient CXRs. A novel radiomic embedding framework was also explored for outcome prediction. All results are compared against radiologist grading of CXRs (zone-wise expert severity scores). Radiomic and DL classification models had mAUCs of 0.78+/-0.02 and 0.81+/-0.04, compared with expert scores mAUCs of 0.75+/-0.02 and 0.79+/-0.05 for mechanical ventilation requirement and mortality prediction, respectively. Combined classifiers using both radiomics and expert severity scores resulted in mAUCs of 0.79+/-0.04 and 0.83+/-0.04 for each prediction task, demonstrating improvement over either artificial intelligence or radiologist interpretation alone. Our results also suggest instances where inclusion of radiomic features in DL improves model predictions, something that might be explored in other pathologies. The models proposed in this study and the prognostic information they provide might aid physician decision making and resource allocation during the COVID-19 pandemic.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)患者の胸部X線写真(CXR)の計算モデルを用いて,機械的換気要件と死亡率を予測する。 2020年3月から8月にかけて、Stony Brook大学病院とNewark Beth Israel Medical Centerで治療を受けた515人の患者から、530人のCXRを分析。 機械的換気要件と死亡率を予測するためのDLおよび機械学習分類器を,患者CXRを用いて訓練し,評価した。 結果予測のための新しい放射線埋め込みフレームワークも検討された。 全ての結果は、CXRs(ゾーンワイド専門家重症度スコア)の放射線学成績と比較される。 放射能分類モデルとDL分類モデルでは, それぞれ0.78+/-0.02と0.81+/-0.04のmAUCが, 専門的スコアは0.75+/-0.02と0.79+/-0.05であった。 放射能と専門家の重度スコアの両方を用いた分類器は、予測タスクごとに0.79+/-0.04と0.83+/-0.04のmAUCとなり、人工知能または放射線学の解釈だけで改善された。 また, DLに放射線学的特徴を取り入れた場合, モデル予測が改善する可能性も示唆された。 本研究で提案するモデルとそれが提供する予後情報は、新型コロナウイルス(covid-19)パンデミック時の医師の意思決定と資源配分に役立つ可能性がある。

関連論文リスト

• Prognosis of COVID-19 using Artificial Intelligence: A Systematic Review and Meta-analysis [0.23221087157793407]
  この研究は、新型コロナウイルスの予後のためのAIの使用に関する論文を同定し、評価し、合成する。 例えば、Siamenseモデル、サポートベクターマシン、ランダムフォレスト、eXtreme Gradient Boosting、畳み込みニューラルネットワークなどである。 その結果, 死亡率71%, 88%, 67%の感度, 重症度評価, 換気の必要性が確認された。
  論文  参考訳（メタデータ） (2024-08-01T00:33:32Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• DeepCOVID-Fuse: A Multi-modality Deep Learning Model Fusing Chest X-Radiographs and Clinical Variables to Predict COVID-19 Risk Levels [8.593516170110203]
  DeepCOVID-Fuseは、新型コロナウイルス患者のリスクレベルを予測するディープラーニング融合モデルである。 CXRと臨床変数で訓練されたDeepCOVID-Fuseの精度は0.658であり、AUCは0.842である。
  論文  参考訳（メタデータ） (2023-01-20T20:54:25Z)
• BIO-CXRNET: A Robust Multimodal Stacking Machine Learning Technique for Mortality Risk Prediction of COVID-19 Patients using Chest X-Ray Images and Clinical Data [0.0]
  本研究は、イタリアで入院した930人の新型コロナウイルス患者のリスクを予測するために、25のバイオマーカーとCXR画像を用いている。 提案手法は精度、感度、F1スコアをそれぞれ89.03%、90.44%、89.03%とした。 ノモグラムに基づく採点法では、F1スコア92.88 %の高リスク患者の死亡確率を予測することができた。
  論文  参考訳（メタデータ） (2022-06-15T15:23:43Z)
• COVID-Net CXR-S: Deep Convolutional Neural Network for Severity Assessment of COVID-19 Cases from Chest X-ray Images [74.77272804752306]
  胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。 患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。 提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
  論文  参考訳（メタデータ） (2021-05-01T14:15:12Z)
• COVID-19 Prognosis via Self-Supervised Representation Learning and Multi-Image Prediction [32.91440827855392]
  胸部X線に基づいて2種類の患者の劣化を予測するタスクを検討する。 新型コロナウイルス(covid-19)患者のデータが少ないため、既存のソリューションは、関連しない画像で教師付き事前トレーニングを利用する。 本論文では,前訓練段階における運動量コントラスト(MoCo)法に基づく自己監督学習を用いて,下流タスクに用いる一般的な画像表現を学習する。
  論文  参考訳（メタデータ） (2021-01-13T07:03:17Z)
• Individualized Prediction of COVID-19 Adverse outcomes with MLHO [9.197411456718708]
  我々は、反復的な特徴とアルゴリズムの選択を利用して健康状態を予測するエンドツーエンドの機械学習フレームワークを開発した。 入院前患者の健康状態と人口統計を表わす特徴として,約600点を用いた4つの有害な結果のモデル化を行った。 以上の結果から, 人口統計学的変数は, 新型コロナウイルス感染後の副作用の予測因子として重要であるが, 過去の臨床記録の組み入れは, 信頼性の高い予測モデルに欠かせないことが示唆された。
  論文  参考訳（メタデータ） (2020-08-10T02:44:52Z)
• COVID-Net S: Towards computer-aided severity assessment via training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
  胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。 本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
  論文  参考訳（メタデータ） (2020-05-26T16:33:52Z)
• 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)

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。