論文の概要: Comparative study of deep learning methods for the automatic
segmentation of lung, lesion and lesion type in CT scans of COVID-19 patients
- arxiv url: http://arxiv.org/abs/2007.15546v4
- Date: Mon, 10 Jan 2022 08:26:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 21:04:50.992593
- Title: Comparative study of deep learning methods for the automatic
segmentation of lung, lesion and lesion type in CT scans of COVID-19 patients
- Title（参考訳）: COVID-19患者のCTにおける肺・病変・病変の自動分離のための深層学習法の比較検討
- Authors: Sofie Tilborghs, Ine Dirks, Lucas Fidon, Siri Willems, Tom Eelbode,
Jeroen Bertels, Bart Ilsen, Arne Brys, Adriana Dubbeldam, Nico Buls,
Panagiotis Gonidakis, Sebasti\'an Amador S\'anchez, Annemiek Snoeckx, Paul M.
Parizel, Johan de Mey, Dirk Vandermeulen, Tom Vercauteren, David Robben, Dirk
Smeets, Frederik Maes, Jef Vandemeulebroucke, Paul Suetens
- Abstract要約: 新型コロナウイルスの迅速かつ正確な定量化にディープラーニングを使うことを提案する研究が増えている。
主な課題は、新型コロナウイルス(COVID-19)感染者の胸部CT検査における肺と肺の病変の自動分離である。
オープンソースと社内開発の両方のアルゴリズムを含む,マルチセンタデータセットを用いた12のディープラーニングアルゴリズムを比較した。
- 参考スコア（独自算出の注目度）: 6.890747388531539
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent research on COVID-19 suggests that CT imaging provides useful
information to assess disease progression and assist diagnosis, in addition to
help understanding the disease. There is an increasing number of studies that
propose to use deep learning to provide fast and accurate quantification of
COVID-19 using chest CT scans. The main tasks of interest are the automatic
segmentation of lung and lung lesions in chest CT scans of confirmed or
suspected COVID-19 patients. In this study, we compare twelve deep learning
algorithms using a multi-center dataset, including both open-source and
in-house developed algorithms. Results show that ensembling different methods
can boost the overall test set performance for lung segmentation, binary lesion
segmentation and multiclass lesion segmentation, resulting in mean Dice scores
of 0.982, 0.724 and 0.469, respectively. The resulting binary lesions were
segmented with a mean absolute volume error of 91.3 ml. In general, the task of
distinguishing different lesion types was more difficult, with a mean absolute
volume difference of 152 ml and mean Dice scores of 0.369 and 0.523 for
consolidation and ground glass opacity, respectively. All methods perform
binary lesion segmentation with an average volume error that is better than
visual assessment by human raters, suggesting these methods are mature enough
for a large-scale evaluation for use in clinical practice.
- Abstract（参考訳）: 新型コロナウイルスに関する最近の研究は、ct画像が疾患の進行状況の評価と診断の支援に有用な情報を提供し、疾患の理解にも役立つことを示唆している。
深層学習を用いて、胸部CTスキャンを用いて新型コロナウイルスの迅速かつ正確な定量化を提供することを提案する研究が増えている。
主な課題は、新型コロナウイルス(COVID-19)感染者の胸部CT検査における肺と肺の病変の自動分離である。
本研究では,オープンソースと社内開発の両方のアルゴリズムを含む,マルチセンタデータセットを用いた12のディープラーニングアルゴリズムを比較した。
以上の結果から,肺分画,二分性病変分画,多群病変分画に対するテストセット全体の性能は,それぞれ0.982点,0.724点,0.469点であった。
結果として生じた2つの病変は、平均絶対体積誤差91.3mlで区切られた。
総じて, 病変の種類を識別する作業は, 152mlの平均絶対容積差と0.369点, 0.523点であった。
すべての方法は、平均ボリュームエラーを伴う2値性病変分画を行い、人手による視覚的評価よりも優れており、これらの方法が臨床での使用のための大規模評価に十分成熟していることを示唆している。
関連論文リスト
- CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - Automated lung segmentation from CT images of normal and COVID-19
pneumonia patients [0.0]
本研究は, 正常およびCOVID-19患者のCT画像から肺分画の深層学習モデルの性能について検討した。
残存ニューラルネットワークの訓練には、胸部CT画像と対応する肺マスク1200例が使用された。
論文 参考訳（メタデータ） (2021-04-05T17:46:12Z) - COVID-19 identification from volumetric chest CT scans using a
progressively resized 3D-CNN incorporating segmentation, augmentation, and
class-rebalancing [4.446085353384894]
新型コロナウイルスは世界的なパンデミックの流行だ。
高い感度のコンピュータ支援スクリーニングツールは、疾患の診断と予後に不可欠である。
本稿では,3次元畳み込みニューラルネットワーク(CNN)に基づく分類手法を提案する。
論文 参考訳（メタデータ） (2021-02-11T18:16:18Z) - CT Image Segmentation for Inflamed and Fibrotic Lungs Using a
Multi-Resolution Convolutional Neural Network [6.177921466996229]
本研究の目的は, 各種密度増強肺異常に対して頑健な完全自動セグメンテーションアルゴリズムを開発することである。
急性肺障害を患うヒトの左肺と右肺に特異的にラベル付けされた肺と非特異的にラベル付けされた肺の両方を1つのニューラルネットワークのトレーニングに組み込んだ多形性訓練手法が提案されている。
結果として生じるネットワークは、ヒトの左右の肺領域を、びまん性オパーシフィケーションと凝縮を伴わずに予測することを目的としている。
論文 参考訳（メタデータ） (2020-10-16T18:25:59Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - Machine Learning Automatically Detects COVID-19 using Chest CTs in a
Large Multicenter Cohort [43.99203831722203]
16施設2096例の胸部CT検査を行った。
新型コロナウイルスの分類のためのメートル法に基づくアプローチは、解釈可能な特徴を使用した。
深層学習に基づく分類器は,CT減衰から抽出した3D特徴と空域不透明度の確率分布を区別した。
論文 参考訳（メタデータ） (2020-06-09T00:40:35Z) - 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)
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。