論文の概要: Automated Detection and Forecasting of COVID-19 using Deep Learning
Techniques: A Review
- arxiv url: http://arxiv.org/abs/2007.10785v7
- Date: Sun, 11 Feb 2024 00:17:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 01:46:02.328672
- Title: Automated Detection and Forecasting of COVID-19 using Deep Learning
Techniques: A Review
- Title（参考訳）: ディープラーニングを用いたcovid-19の自動検出と予測
- Authors: Afshin Shoeibi, Marjane Khodatars, Mahboobeh Jafari, Navid Ghassemi,
Delaram Sadeghi, Parisa Moridian, Ali Khadem, Roohallah Alizadehsani, Sadiq
Hussain, Assef Zare, Zahra Alizadeh Sani, Fahime Khozeimeh, Saeid Nahavandi,
U. Rajendra Acharya, Juan M. Gorriz
- Abstract要約: コロナウイルス(Coronavirus、COVID-19)は、世界中の多くの人々の健康を危険にさらす病気である。
高速かつ正確な診断のために,X線およびCT画像モダリティが広く用いられている。
ディープラーニング(DL)ネットワークは最近、従来の機械学習(ML)と比較して人気を博している。
- 参考スコア（独自算出の注目度）: 10.153806948106684
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Coronavirus, or COVID-19, is a hazardous disease that has endangered the
health of many people around the world by directly affecting the lungs.
COVID-19 is a medium-sized, coated virus with a single-stranded RNA, and also
has one of the largest RNA genomes and is approximately 120 nm. The X-Ray and
computed tomography (CT) imaging modalities are widely used to obtain a fast
and accurate medical diagnosis. Identifying COVID-19 from these medical images
is extremely challenging as it is time-consuming and prone to human errors.
Hence, artificial intelligence (AI) methodologies can be used to obtain
consistent high performance. Among the AI methods, deep learning (DL) networks
have gained popularity recently compared to conventional machine learning (ML).
Unlike ML, all stages of feature extraction, feature selection, and
classification are accomplished automatically in DL models. In this paper, a
complete survey of studies on the application of DL techniques for COVID-19
diagnostic and segmentation of lungs is discussed, concentrating on works that
used X-Ray and CT images. Additionally, a review of papers on the forecasting
of coronavirus prevalence in different parts of the world with DL is presented.
Lastly, the challenges faced in the detection of COVID-19 using DL techniques
and directions for future research are discussed.
- Abstract（参考訳）: コロナウイルス(Coronavirus、COVID-19)は、世界中の多くの人々の健康を危険にさらす病気である。
COVID-19は1本鎖RNAを持つ中型でコーティングされたウイルスであり、RNAゲノムとしては最大で約120nmである。
x線およびct画像モードは、迅速かつ正確な医療診断を得るために広く用いられている。
これらの医療画像からcovid-19を識別することは、時間がかかり、ヒューマンエラーを起こしやすいため、非常に難しい。
したがって、人工知能(AI)手法は、一貫した高性能が得られる。
AI手法の中で、ディープラーニング(DL)ネットワークは、従来の機械学習(ML)と比較して最近人気を博している。
MLとは異なり、特徴抽出、特徴選択、分類のすべての段階はDLモデルで自動的に達成される。
本稿では,x線およびct画像を用いた研究を中心に,肺の診断と分画に対するdl技術の適用に関する徹底的な調査を行った。
また、世界各国における新型コロナウイルスの流行予測に関する論文をdlでレビューした。
最後に、dl技術を用いたcovid-19検出における課題と今後の研究に向けた方向性について述べる。
関連論文リスト
- COVID-19 Detection Based on Blood Test Parameters using Various Artificial Intelligence Methods [1.2408125305560274]
2019年には、新型コロナウイルスによる新型コロナウイルス感染症SARS-CoV-2(SARS-CoV-2)という新たな課題に直面した。
本研究は、自己分類分類器を用いて、さまざまなAI手法を用いて、新型コロナウイルス患者と他者とを区別することを目的とした。
論文 参考訳（メタデータ） (2024-04-02T22:49:25Z) - Medical Imaging with Deep Learning for COVID- 19 Diagnosis: A
Comprehensive Review [1.7205106391379026]
本論文は, 深層学習モデル(DL)の医療画像・薬物発見への応用に焦点をあてる。
我々は,X線やCT画像などの医療画像に基づく様々な研究と,肺炎に対するCOVID-19の分類方法について詳述した。
論文 参考訳（メタデータ） (2021-07-13T16:49:49Z) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳（メタデータ） (2021-05-04T19:01:40Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳（メタデータ） (2021-04-06T02:01:43Z) - Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。
深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。
そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
論文 参考訳（メタデータ） (2021-02-01T02:37:49Z) - RANDGAN: Randomized Generative Adversarial Network for Detection of
COVID-19 in Chest X-ray [0.0]
新型コロナウイルス(COVID-19)が世界中に広がる中で、医療機関は患者を診断し、必要な頻度で検査する能力を失っている。
研究は、胸部X線でウイルス性細菌性肺炎から新型コロナウイルスを検出できる有望な結果を示している。
本研究では,ラベルやトレーニングデータを必要とせず,未知のクラス(COVID-19)の画像を検出するランダム化生成敵ネットワーク(RANDGAN)を提案する。
論文 参考訳（メタデータ） (2020-10-06T15:58:09Z) - 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) - A comparison of deep machine learning algorithms in COVID-19 disease
diagnosis [4.636229382827605]
この研究の目的は、画像認識の問題を解決するためにディープニューラルネットワークモデルを使用することである。
本研究は、現代の機械学習技術を用いて、新型コロナウイルスの疑いのある患者の診断にX線画像を用いている。
論文 参考訳（メタデータ） (2020-08-25T10:51:54Z) - 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) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳（メタデータ） (2020-04-06T15:21:34Z)
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。