論文の概要: COVID-19 in CXR: from Detection and Severity Scoring to Patient Disease Monitoring

• arxiv url: http://arxiv.org/abs/2008.02150v2
• Date: Wed, 31 Mar 2021 09:37:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 00:05:48.106533
• Title: COVID-19 in CXR: from Detection and Severity Scoring to Patient Disease Monitoring
• Title（参考訳）: CXRにおけるCOVID-19 : 検出・重症度検査から患者の疾患モニタリングまで
• Authors: Rula Amer, Maayan Frid-Adar, Ophir Gozes, Jannette Nassar, Hayit Greenspan
• Abstract要約: 胸部X線画像における肺炎の同時検出とセグメンテーションのための深層学習モデルを開発した。 このセグメンテーションを用いて、病気の重症度を示す「肺炎比」を計算した。 重症度の測定は、入院した患者の時間とともに、病気の範囲のプロファイルを構築することができる。
• 参考スコア（独自算出の注目度）: 3.9373541926236766
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we estimate the severity of pneumonia in COVID-19 patients and conduct a longitudinal study of disease progression. To achieve this goal, we developed a deep learning model for simultaneous detection and segmentation of pneumonia in chest Xray (CXR) images and generalized to COVID-19 pneumonia. The segmentations were utilized to calculate a "Pneumonia Ratio" which indicates the disease severity. The measurement of disease severity enables to build a disease extent profile over time for hospitalized patients. To validate the model relevance to the patient monitoring task, we developed a validation strategy which involves a synthesis of Digital Reconstructed Radiographs (DRRs - synthetic Xray) from serial CT scans; we then compared the disease progression profiles that were generated from the DRRs to those that were generated from CT volumes.
• Abstract（参考訳）: 本研究は、新型コロナウイルス患者の肺炎の重症度を推定し、疾患進行の縦断的研究を行う。 この目的を達成するために,胸部X線画像における肺炎の同時検出とセグメンテーションのためのディープラーニングモデルを開発し,COVID-19肺炎に一般化した。 このセグメンテーションを用いて、病気の重症度を示す「肺炎比」を計算した。 重症度の測定は入院患者に対して, 経時的に病度プロファイルを構築することを可能にする。 患者モニタリングタスクに対するモデル関連性を検証するため,直列CTスキャンからデジタル再構成ラジオグラフィ(DRRs - 合成X線)を合成する検証戦略を開発し,DRRから生成された疾患進展プロファイルとCTボリュームから生成された疾患進展プロファイルを比較した。

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)
• An Automated Approach for Timely Diagnosis and Prognosis of Coronavirus Disease [1.52292571922932]
  コロナウイルス病2019(COVID-19)の流行以降、感染した患者の多くは高熱、乾ききき、喉の腫れなどと診断され、重篤な肺炎に繋がった。 これまで、肺イメージングによるCOVID-19の診断は、この疾患の早期診断の主要な証拠であることが証明されています。 提案手法は,非造影CT(non-contrast chest Computed tomography)スキャンによる疾患の自動診断と予後に焦点をあてるものである。
  論文  参考訳（メタデータ） (2021-04-29T05:26:30Z)
• Longitudinal Quantitative Assessment of COVID-19 Infection Progression from Chest CTs [36.71379097297172]
  ボクセルレベルの感染を識別し、新型コロナウイルスの進行を可視化する新しい枠組みを提案する。 特に,参照スキャン情報を利用した縦断セグメンテーションネットワークを考案し,疾患識別の性能を向上させる。
  論文  参考訳（メタデータ） (2021-03-12T12:35:11Z)
• Pinball-OCSVM for early-stage COVID-19 diagnosis with limited posteroanterior chest X-ray images [3.4935179780034247]
  本研究は、新型コロナウイルス陽性のCXRサンプルを限定した状態で動作可能な、ピンボール損失関数に基づく1クラスサポートベクターマシン(PB-OCSVM)を提案する。 提案モデルの性能は従来のOCSVMや既存のディープラーニングモデルと比較し,実験結果から,提案モデルが最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-10-16T02:34:15Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• Deep Learning System to Screen Coronavirus Disease 2019 Pneumonia [10.225348237731787]
  新型コロナウイルスのCT像は、インフルエンザウイルス性肺炎など他の種類のウイルス性肺炎と異なる独自の特徴を持つ。 本研究は, 深層学習技術を用いて, インフルエンザとインフルエンザウイルスの鑑別を行う早期スクリーニングモデルを確立することを目的とした。
  論文  参考訳（メタデータ） (2020-02-21T14:44:21Z)

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。