論文の概要: Study of Different Deep Learning Approach with Explainable AI for
Screening Patients with COVID-19 Symptoms: Using CT Scan and Chest X-ray
Image Dataset
- arxiv url: http://arxiv.org/abs/2007.12525v1
- Date: Fri, 24 Jul 2020 13:51:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 06:30:30.889079
- Title: Study of Different Deep Learning Approach with Explainable AI for
Screening Patients with COVID-19 Symptoms: Using CT Scan and Chest X-ray
Image Dataset
- Title(参考訳): 新型コロナウイルス感染症スクリーニングのための説明可能なAIを用いた深層学習アプローチの検討-CTスキャンと胸部X線画像データセットを用いて
- Authors: Md Manjurul Ahsan, Kishor Datta Gupta, Mohammad Maminur Islam, Sajib
Sen, Md. Lutfar Rahman, Mohammad Shakhawat Hossain
- Abstract要約: 新型コロナウイルスの感染拡大で、米国だけでもこれまでに10万人以上の死者が出た。
患者数の増加に伴い、利用可能なテストキットでテストを実施するのが難しくなっている。
本研究の目的は、CTスキャンと胸部X線画像データセットの両方において、より正確な精度で新型コロナウイルス患者を検出できるディープラーニングベースのモデルを開発することである。
- 参考スコア(独自算出の注目度): 1.4680035572775532
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The outbreak of COVID-19 disease caused more than 100,000 deaths so far in
the USA alone. It is necessary to conduct an initial screening of patients with
the symptoms of COVID-19 disease to control the spread of the disease. However,
it is becoming laborious to conduct the tests with the available testing kits
due to the growing number of patients. Some studies proposed CT scan or chest
X-ray images as an alternative solution. Therefore, it is essential to use
every available resource, instead of either a CT scan or chest X-ray to conduct
a large number of tests simultaneously. As a result, this study aims to develop
a deep learning-based model that can detect COVID-19 patients with better
accuracy both on CT scan and chest X-ray image dataset. In this work, eight
different deep learning approaches such as VGG16, InceptionResNetV2, ResNet50,
DenseNet201, VGG19, MobilenetV2, NasNetMobile, and ResNet15V2 have been tested
on two dataset-one dataset includes 400 CT scan images, and another dataset
includes 400 chest X-ray images studied. Besides, Local Interpretable
Model-agnostic Explanations (LIME) is used to explain the model's
interpretability. Using LIME, test results demonstrate that it is conceivable
to interpret top features that should have worked to build a trust AI framework
to distinguish between patients with COVID-19 symptoms with other patients.
- Abstract(参考訳): 新型コロナウイルスの感染拡大で米国だけでも10万人以上が死亡した。
新型コロナウイルス(COVID-19)の症状のある患者を初期スクリーニングし、感染拡大を抑える必要がある。
しかし, 患者数の増加に伴い, 利用可能な検査キットで検査を行おうとする動きが強まっている。
代替ソリューションとしてCTスキャンや胸部X線画像を提案する研究もある。
したがって、CTスキャンや胸部X線検査を同時に行う代わりに、利用可能なすべてのリソースを使用することが不可欠である。
その結果、ctスキャンと胸部x線画像データセットの両方で、より精度の高い新型コロナウイルス患者を検出できる深層学習に基づくモデルの開発が目的である。
本研究では,vgg16,inceptionresnetv2,resnet50, densenet201,vgg19,mobilenetv2,nasnetmobile,resnet15v2といった8種類のディープラーニングアプローチを,400ctスキャン画像を含む2つのデータセットでテストし,別のデータセットには400個の胸部x線画像が含まれている。
さらに、モデルの解釈可能性を説明するために、Local Interpretable Model-Agnostic Explanations (LIME) が使用される。
limeを使ったテストの結果、新型コロナウイルスの症状を持つ患者と他の患者を区別するための信頼aiフレームワークを構築するべきだった機能のトップを解釈できることが示されました。
関連論文リスト
- A Novel Implementation of Machine Learning for the Efficient,
Explainable Diagnosis of COVID-19 from Chest CT [0.0]
本研究の目的は、胸部CTスキャンから新型コロナウイルスを機械学習で検出することである。
提案したモデルは0.927の総合精度と0.958の感度を得た。
論文 参考訳(メタデータ) (2022-06-15T18:35:22Z) - HRCTCov19 -- A High-Resolution Chest CT Scan Image Dataset for COVID-19
Diagnosis and Differentiation [0.0]
新型コロナウイルスのパンデミックの間、CT(Computerd tomography)は新型コロナウイルスの患者を診断するための一般的な方法であった。
公開でアクセス可能な新型コロナウイルスのCT画像データセットは、プライバシー上の懸念から入手するのが困難である。
HRCTCov19は、新しい新型コロナウイルス高分解能胸部CTスキャン画像データセットである。
論文 参考訳(メタデータ) (2022-05-06T12:49:18Z) - COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19
from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。
説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。
結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
論文 参考訳(メタデータ) (2021-01-19T03:04:09Z) - Screening COVID-19 Based on CT/CXR Images & Building a Publicly
Available CT-scan Dataset of COVID-19 [6.142272540492935]
本研究は、1000人以上からなる13k以上のCT画像で構成され、新型コロナウイルスに感染した500人の患者から8kの画像を撮影する大規模なCTスキャンデータセットを構築した。
提案するCTデータセットを用いて,COVID-19をスクリーニングする深層学習モデルを提案し,その結果を報告する。
最後に、トランスファーラーニング手法を用いてCXR画像からCOVID-19をスクリーニングするCTモデルを拡張した。
論文 参考訳(メタデータ) (2020-12-28T11:52:33Z) - 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) - COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。
また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文 参考訳(メタデータ) (2020-09-08T15:49:55Z) - Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray
Images [61.24431480245932]
COVID-19 Multi-Task Networkは、新型コロナウイルススクリーニングのためのエンドツーエンドネットワークである。
我々は,ChestXray-14,CheXpertおよび統合型COVID-19データセットから採取した9000個の前頭胸部X線写真から肺領域を手動で注釈した。
このデータベースは研究コミュニティに公開されます。
論文 参考訳(メタデータ) (2020-08-03T12:52:23Z) - An Uncertainty-aware Transfer Learning-based Framework for Covid-19
Diagnosis [10.832659320593347]
本稿では,医療画像を用いたCOVID-19検出のための深層不確実性認識型トランスファー学習フレームワークを提案する。
4つの一般的な畳み込みニューラルネットワーク(CNN)を用いて胸部X線画像とCT画像から深い特徴を抽出する。
抽出された機能は、さまざまな機械学習と統計モデリング技術によって処理され、新型コロナウイルスの症例を特定する。
論文 参考訳(メタデータ) (2020-07-26T20:15:01Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳(メタデータ) (2020-07-20T19:08:50Z) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳(メタデータ) (2020-05-06T15:19:15Z) - COVID-CT-Dataset: A CT Scan Dataset about COVID-19 [33.60943657492132]
新型コロナウイルスの流行期には、CT(Computerd tomography)は新型コロナウイルス患者の診断に有用である。
プライバシー上の問題から、公開可能なCOVID-19 CTデータセットの入手は非常に困難である。
このデータセットには、216人の患者の349のCOVID-19 CTイメージと、463の非COVID-19 CTが含まれている。
論文 参考訳(メタデータ) (2020-03-30T23:27:24Z)
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。