Fugu-MT 論文翻訳(概要): Using Deep Convolutional Neural Networks to Diagnose COVID-19 From Chest X-Ray Images

論文の概要: Using Deep Convolutional Neural Networks to Diagnose COVID-19 From Chest X-Ray Images

arxiv url: http://arxiv.org/abs/2007.09695v1
Date: Sun, 19 Jul 2020 15:47:37 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 00:17:43.118502
Title: Using Deep Convolutional Neural Networks to Diagnose COVID-19 From Chest X-Ray Images
Title（参考訳）: 深部畳み込みニューラルネットワークを用いた胸部X線画像からのCOVID-19の診断
Authors: Yi Zhong
Abstract要約: 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。
参考スコア（独自算出の注目度）: 2.2442606948134927
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The COVID-19 epidemic has become a major safety and health threat worldwide. Imaging diagnosis is one of the most effective ways to screen COVID-19. This project utilizes several open-source or public datasets to present an open-source dataset of COVID-19 CXRs, named COVID-19-CXR-Dataset, and introduces a deep convolutional neural network model. The model validates on 740 test images and achieves 87.3% accuracy, 89.67 % precision, and 84.46% recall, and correctly classifies 98 out of 100 COVID-19 x-ray images in test set with more than 81% prediction probability under the condition of 95% confidence interval. This project may serve as a reference for other researchers aiming to advance the development of deep learning applications in medical imaging.
Abstract（参考訳）: 新型コロナウイルスの感染拡大は世界中の安全と健康の脅威となっている。画像診断は、新型コロナウイルスをスクリーニングする最も効果的な方法の1つだ。このプロジェクトでは、いくつかのオープンソースまたはパブリックデータセットを使用して、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のテスト画像上で検証され、87.3%の精度、89.67パーセントの精度、84.46%のリコールを達成し、95%の信頼区間で81%以上の予測確率を持つ100のcovid-19 x線画像のうち98を正しく分類する。このプロジェクトは、医用画像の深層学習アプリケーションの開発を推し進める他の研究者の参考となるかもしれない。

関連論文リスト

COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。 CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
論文参考訳（メタデータ） (2022-06-08T04:39:44Z)
OSegNet: Operational Segmentation Network for COVID-19 Detection using Chest X-ray Images [22.059683089872916]
この研究は、最大のCOVID-19 CXRデータセットであるQaTa-COV19を拡張し、9258個のCOVID-19サンプルを含む121,378個のCXRを持つ。 OSegNetは98.09%の精度で最先端のディープモデルの中で99.65%の精度で検出性能を達成した。
論文参考訳（メタデータ） (2022-02-21T12:52:23Z)
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)
Randomly Initialized Convolutional Neural Network for the Recognition of COVID-19 using X-ray Images [0.0]
新型コロナウイルス(COVID-19)は世界的なパンデミックと宣言されている。 COVID-19を検出するための潜在的な解決策の1つは、ディープラーニング(DL)モデルを使用して胸部X線画像を分析することである。本研究では,新型コロナウイルスの認識のための新しいCNNアーキテクチャを提案する。提案したCNNモデルでは、それぞれ94%と99%の精度で、COVID-19データセットが強化されている。
論文参考訳（メタデータ） (2021-05-17T23:40:37Z)
Hybrid quantum convolutional neural networks model for COVID-19 prediction using chest X-Ray images [13.094997642327371]
早期診断を支援するには、正確なパフォーマンスを備えた胸部X線(CXR)画像を介してCOVID-19を予測するモデルが必要です。本稿では、ハイブリッド量子古典畳み込みニューラルネットワーク(HQCNN)モデルを用いて、ランダム量子回路(RQC)を用いてCOVID-19患者を検出する。提案するhqcnnモデルは, 98.4%の精度と99.3%の感度で, 高い性能を達成した。
論文参考訳（メタデータ） (2021-02-08T18:22:53Z)
FLANNEL: Focal Loss Based Neural Network Ensemble for COVID-19 Detection [61.04937460198252]
正常, 細菌性肺炎, 非ウイルス性肺炎, COVID-19の4型を有する2874例のX線画像データを構築した。 FLANNEL(Focal Loss Based Neural Ensemble Network)を提案する。 FLANNELは、すべての指標において、新型コロナウイルス識別タスクのベースラインモデルを一貫して上回っている。
論文参考訳（メタデータ） (2020-10-30T03:17:31Z)
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)
Adaptive Feature Selection Guided Deep Forest for COVID-19 Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。 AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文参考訳（メタデータ） (2020-05-07T06:00:02Z)
CoroNet: A deep neural network for detection and diagnosis of COVID-19 from chest x-ray images [0.0]
CoroNetは、胸部X線画像からCOVID-19感染を自動的に検出するDeep Conceptional Neural Networkモデルである。提案したモデルは全体の89.6%の精度を達成し、新型コロナウイルス患者の精度とリコール率は93%と98.2%である。
論文参考訳（メタデータ） (2020-04-10T07:46:07Z)
Diagnosing COVID-19 Pneumonia from X-Ray and CT Images using Deep Learning and Transfer Learning Algorithms [8.697183191483571]
新型コロナウイルス(2019年新規コロナウイルス)は、中国武漢で最初に発生し、前例のない効果で世界中に広がった。本研究の目的は、複数のソースからX線とCTスキャン画像の包括的データセットを構築することである。本手法では,X線およびCTスキャン画像データセットに対して,単純な畳み込みニューラルネットワーク(CNN)と修正済みのAlexNetモデルを適用する。
論文参考訳（メタデータ） (2020-03-31T18:10:10Z)
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。