論文の概要: COVID-19 CT Image Synthesis with a Conditional Generative Adversarial
Network
- arxiv url: http://arxiv.org/abs/2007.14638v2
- Date: Thu, 3 Dec 2020 01:53:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 20:11:02.900329
- Title: COVID-19 CT Image Synthesis with a Conditional Generative Adversarial
Network
- Title（参考訳）: 条件付き生成逆ネットワークを用いたcovid-19ct画像合成
- Authors: Yifan Jiang, Han Chen, Murray Loew, and Hanseok Ko
- Abstract要約: コロナウイルス感染症2019(COVID-19)は、2019年12月以降急速に拡大している世界的なパンデミックである。
リアルタイム逆転写ポリメラーゼ鎖反応 (rRT-PCR) と胸部CT画像撮影 (CT) はどちらも新型コロナウイルスの診断において重要な役割を担っている。
深層学習に基づくコンピュータビジョン手法は、医用画像の応用において非常に有望であることを示す。
- 参考スコア（独自算出の注目度）: 26.12568967493797
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coronavirus disease 2019 (COVID-19) is an ongoing global pandemic that has
spread rapidly since December 2019. Real-time reverse transcription polymerase
chain reaction (rRT-PCR) and chest computed tomography (CT) imaging both play
an important role in COVID-19 diagnosis. Chest CT imaging offers the benefits
of quick reporting, a low cost, and high sensitivity for the detection of
pulmonary infection. Recently, deep-learning-based computer vision methods have
demonstrated great promise for use in medical imaging applications, including
X-rays, magnetic resonance imaging, and CT imaging. However, training a
deep-learning model requires large volumes of data, and medical staff faces a
high risk when collecting COVID-19 CT data due to the high infectivity of the
disease. Another issue is the lack of experts available for data labeling. In
order to meet the data requirements for COVID-19 CT imaging, we propose a CT
image synthesis approach based on a conditional generative adversarial network
that can effectively generate high-quality and realistic COVID-19 CT images for
use in deep-learning-based medical imaging tasks. Experimental results show
that the proposed method outperforms other state-of-the-art image synthesis
methods with the generated COVID-19 CT images and indicates promising for
various machine learning applications including semantic segmentation and
classification.
- Abstract（参考訳）: コロナウイルス感染症2019(COVID-19)は、2019年12月以降急速に拡大している世界的なパンデミックである。
リアルタイム逆転写ポリメラーゼ鎖反応 (rRT-PCR) と胸部CT画像撮影はどちらも新型コロナウイルスの診断において重要な役割を担っている。
胸部CT画像は、迅速な報告、低コスト、肺感染症の検出に対する高感度の利点を提供する。
近年,X線,磁気共鳴画像,CT画像などの医用画像の応用において,ディープラーニングを用いたコンピュータビジョンが大いに期待されている。
しかし、ディープラーニングモデルのトレーニングには大量のデータが必要であり、感染症の感染率が高いため、医療スタッフは新型コロナウイルスのctデータを収集するリスクが高い。
もうひとつの問題は、データラベリングに専門家がいないことだ。
本研究は、新型コロナウイルスのct画像に対するデータ要求を満たすために、高画質でリアルなcovid-19 ct画像を効果的に生成し、ディープラーニングに基づく医用画像処理に活用できる条件付き生成逆ネットワークに基づくct画像合成手法を提案する。
実験結果から, 提案手法は, 生成したCOVID-19 CT画像で他の最先端画像合成法よりも優れており, セマンティックセグメンテーションや分類などの機械学習応用に期待できることを示す。
関連論文リスト
- Multi-scale alignment and Spatial ROI Module for COVID-19 Diagnosis [13.31017458409054]
本研究では,異なる解像度でコンテキスト情報を統合するために,深部空間ピラミッドプーリング(D-SPP)モジュールを提案する。
また,病変部位に注意を向け,無関係な情報から干渉を取り除くためのCIDモジュールも提案する。
以上の結果から,CTおよびCXR画像における新型コロナウイルスの病変の検出精度が向上した。
論文 参考訳（メタデータ） (2022-07-04T12:07:17Z) - COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset
for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。
COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。
我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
論文 参考訳（メタデータ） (2022-06-07T06:35:48Z) - 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) - 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) - Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest
CT Images [41.73507451077361]
本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。
コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。
以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
論文 参考訳（メタデータ） (2020-06-16T10:14:58Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - 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) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-12T16:24:59Z) - 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。