論文の概要: Searching for Pneumothorax in Half a Million Chest X-Ray Images
- arxiv url: http://arxiv.org/abs/2007.15429v1
- Date: Thu, 30 Jul 2020 13:03:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 14:53:32.156260
- Title: Searching for Pneumothorax in Half a Million Chest X-Ray Images
- Title（参考訳）: 50万胸部X線画像における気胸の検索
- Authors: Antonio Sze-To, Hamid Tizhoosh
- Abstract要約: 気胸(Pneumothorax)は、胸部X線で経験豊富な放射線医によって検出される致命的な疾患である。
本研究では,胸部X線画像から気胸を分類するための画像検索法について検討した。
胸部X線画像50万枚において,気胸のCBIRに深く事前訓練した特徴が有効であることを示す最初の研究である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pneumothorax, a collapsed or dropped lung, is a fatal condition typically
detected on a chest X-ray by an experienced radiologist. Due to shortage of
such experts, automated detection systems based on deep neural networks have
been developed. Nevertheless, applying such systems in practice remains a
challenge. These systems, mostly compute a single probability as output, may
not be enough for diagnosis. On the contrary, content-based medical image
retrieval (CBIR) systems, such as image search, can assist clinicians for
diagnostic purposes by enabling them to compare the case they are examining
with previous (already diagnosed) cases. However, there is a lack of study on
such attempt. In this study, we explored the use of image search to classify
pneumothorax among chest X-ray images. All chest X-ray images were first tagged
with deep pretrained features, which were obtained from existing deep learning
models. Given a query chest X-ray image, the majority voting of the top K
retrieved images was then used as a classifier, in which similar cases in the
archive of past cases are provided besides the probability output. In our
experiments, 551,383 chest X-ray images were obtained from three large recently
released public datasets. Using 10-fold cross-validation, it is shown that
image search on deep pretrained features achieved promising results compared to
those obtained by traditional classifiers trained on the same features. To the
best of knowledge, it is the first study to demonstrate that deep pretrained
features can be used for CBIR of pneumothorax in half a million chest X-ray
images.
- Abstract（参考訳）: 気胸(Pneumothorax)は、胸部X線で経験豊富な放射線医によって検出される致命的な疾患である。
このような専門家の不足により、ディープニューラルネットワークに基づく自動検出システムが開発されている。
しかし、そのような制度を実際に適用することは依然として課題である。
これらのシステムは、主に出力として単一の確率を計算するが、診断には不十分かもしれない。
それとは対照的に、画像検索のようなコンテンツベースの医療画像検索(CBIR)システムでは、以前の(既に診断済み)症例と比較することで、臨床医の診断を補助することができる。
しかし、そのような試みには研究の欠如がある。
本研究では胸部x線画像の気胸分類における画像検索法について検討した。
胸部X線画像はすべて、既存のディープラーニングモデルから得られた、訓練済みの深い特徴でタグ付けされた。
検索胸部X線画像が与えられた後、検索したトップK画像の多数投票を分類器として使用し、過去の事例のアーカイブに類似した事例が確率出力の他に提供される。
実験では,最近公開された3つの大規模データセットから551,383個の胸部x線画像を得た。
また, 10倍のクロスバリデーションを用いて, 同じ特徴を訓練した従来の分類器と比較して, 深層事前学習した特徴のイメージ検索が有望な結果を得た。
胸部X線画像50万枚において,気胸のCBIRに深く事前訓練された特徴が有効であることを示す最初の研究である。
関連論文リスト
- Identification of pneumonia on chest x-ray images through machine
learning [0.0]
このソフトウェアは、移動学習技術を用いた機械学習に基づく計算モデルとして開発された。
画像は、中国の病院で撮影された子供の胸部X線画像でオンラインで公開されているデータベースから収集された。
論文 参考訳（メタデータ） (2023-09-21T12:10:22Z) - Chest X-ray Image Classification: A Causal Perspective [49.87607548975686]
本稿では,CXR分類問題に対処する因果的アプローチを提案し,構造因果モデル(SCM)を構築し,CXR分類に有効な視覚情報を選択するためにバックドア調整を用いる。
実験の結果,提案手法はオープンソースNIH ChestX-ray14の分類性能に優れていた。
論文 参考訳（メタデータ） (2023-05-20T03:17:44Z) - Auto-outlier Fusion Technique for Chest X-ray classification with
Multi-head Attention Mechanism [4.416665886445889]
胸部X線は、様々な肺疾患の診断と検出に最も広く用いられる放射線検査の1つである。
国立衛生研究所(NIH)は、肺疾患を分析し予測するための深層学習コミュニティを確立するために、広範なデータベースであるChestX-ray8とChestXray14を提供している。
論文 参考訳（メタデータ） (2022-11-15T09:35:49Z) - Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New
Benchmark Study [75.05049024176584]
胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。
我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。
このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
論文 参考訳（メタデータ） (2022-08-29T04:34:15Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Cross-Modal Contrastive Learning for Abnormality Classification and
Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。
まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。
放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
論文 参考訳（メタデータ） (2021-04-11T09:16:29Z) - Searching for Pneumothorax in X-Ray Images Using Autoencoded Deep
Features [5.868569999949525]
胸部X線像では、放射線医による視覚検査により気胸が検出されるのが一般的である。
3つの入力を圧縮した胸部画像検索のためのAutoencoding Thorax Net(短いAutoThorax-Net)を開発した。
半自動検索は194,608例(気胸,正常)で92%,全自動検索は82%,全自動検索は51,383例(正常,気胸,その他多くの胸部疾患)で82%であった。
論文 参考訳（メタデータ） (2021-02-11T16:21:06Z) - Pneumonia Detection on Chest X-ray using Radiomic Features and
Contrastive Learning [26.031452674698787]
胸部X線における肺炎の検出に放射線学的特徴と造影学習を活用した新しい枠組みを提案する。
rsna肺炎検出チャレンジデータセットの実験により,いくつかの最先端モデルに優れた結果が得られた。
論文 参考訳（メタデータ） (2021-01-12T02:52:24Z) - Pneumothorax and chest tube classification on chest x-rays for detection
of missed pneumothorax [1.181048306817215]
胸部気胸および胸部気胸の治療によく用いられる各種の胸部管を画像分類パイプラインで検出する。
多段階のアルゴリズムは肺の分節と肺気胸の分類に基づいており、気胸を含む可能性が最も高いパッチの分類を含む。
論文 参考訳（メタデータ） (2020-11-14T18:06:06Z) - Learning Invariant Feature Representation to Improve Generalization
across Chest X-ray Datasets [55.06983249986729]
我々は、トレーニングデータと同じデータセットでテストすると、ディープラーニングモデルが、異なるソースからデータセットでテストされると、パフォーマンスが低下し始めることを示す。
対戦型トレーニング戦略を用いることで、ネットワークはソース不変表現を学習せざるを得ないことを示す。
論文 参考訳（メタデータ） (2020-08-04T07:41:15Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z)
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。