Fugu-MT 論文翻訳(概要): Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray Images

論文の概要: Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray Images

arxiv url: http://arxiv.org/abs/2008.03205v1
Date: Mon, 3 Aug 2020 12:52:23 GMT
ステータス: 処理完了
システム内更新日: 2022-11-03 06:13:21.014799
Title: Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray Images
Title（参考訳）: 胸部X線画像を用いたマルチタスク駆動型COVID-19説明診断
Authors: Aakarsh Malhotra, Surbhi Mittal, Puspita Majumdar, Saheb Chhabra, Kartik Thakral, Mayank Vatsa, Richa Singh, Santanu Chaudhury, Ashwin Pudrod, Anjali Agrawal
Abstract要約: 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。
参考スコア（独自算出の注目度）: 61.24431480245932
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With increasing number of COVID-19 cases globally, all the countries are ramping up the testing numbers. While the RT-PCR kits are available in sufficient quantity in several countries, others are facing challenges with limited availability of testing kits and processing centers in remote areas. This has motivated researchers to find alternate methods of testing which are reliable, easily accessible and faster. Chest X-Ray is one of the modalities that is gaining acceptance as a screening modality. Towards this direction, the paper has two primary contributions. Firstly, we present the COVID-19 Multi-Task Network which is an automated end-to-end network for COVID-19 screening. The proposed network not only predicts whether the CXR has COVID-19 features present or not, it also performs semantic segmentation of the regions of interest to make the model explainable. Secondly, with the help of medical professionals, we manually annotate the lung regions of 9000 frontal chest radiographs taken from ChestXray-14, CheXpert and a consolidated COVID-19 dataset. Further, 200 chest radiographs pertaining to COVID-19 patients are also annotated for semantic segmentation. This database will be released to the research community.
Abstract（参考訳）: 全世界で新型コロナウイルスの感染者が増えている中、各国は検査数を増やしている。 RT-PCRキットはいくつかの国で十分利用できるが、遠隔地ではテストキットや処理センターが限られているという問題に直面している。このことから研究者は、信頼性が高く、簡単にアクセスでき、より速くテストする方法を見つけるようになった。胸部X線はスクリーニングモダリティとして受け入れられているモダリティの1つである。この方向に向けて、論文には2つの主要な貢献がある。まず,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自動ネットワークであるcovid-19 multi-task networkを提案する。提案ネットワークは、CXRに新型コロナウイルスの特徴が存在するか否かを予測するだけでなく、興味のある領域のセマンティックセマンティックセグメンテーションを行い、モデルを説明できるようにする。第2に、医療専門家の助けを借りて、ChestXray-14、CheXpertおよび統合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する。さらに、covid-19患者に関する200の胸部x線写真もセマンティックセグメンテーションにアノテートされている。このデータベースは研究コミュニティにリリースされる予定だ。

関連論文リスト

COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。 CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
論文参考訳（メタデータ） (2022-06-08T04:39:44Z)
Covid-19 diagnosis from x-ray using neural networks [0.0]
コロナウイルスや新型コロナウイルス(COVID-19)はパンデミックの病気であり、世界中で何百万もの因果関係に影響を与えている。本稿では,進行胸部X線画像からのCOVID-19のプログラム認識手法を提案する。
論文参考訳（メタデータ） (2021-05-29T16:12:15Z)
COVID-Net CXR-2: An Enhanced Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-ray Images [58.35627258364233]
RT-PCR検査への無料スクリーニング戦略として胸部X線(CXR)イメージングの使用は成長し続けています。我々は、CXR画像からCOVID-19を検出するための深層畳み込みニューラルネットワーク設計であるCOVID-Net CXR-2を紹介する。ベンチマークデータセットは、少なくとも51カ国16,656人の多国籍コホートから19,203個のCXR画像で構成された。
論文参考訳（メタデータ） (2021-05-14T04:29:21Z)
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)
Fused Deep Convolutional Neural Network for Precision Diagnosis of COVID-19 Using Chest X-Ray Images [0.0]
複数のニューラルネットワークを微調整することで、新型コロナウイルスと正常者の胸部X線スキャンを正確に分類するコンピュータ支援診断(CAD)を提案する。 k倍のクロスバリデーションとベージングアンサンブルを用いることで、99.7%の精度と100%の感度が得られる。
論文参考訳（メタデータ） (2020-09-15T02:27:20Z)
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 [1.4680035572775532]
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。
論文参考訳（メタデータ） (2020-07-24T13:51:58Z)
COVID-19 Screening Using Residual Attention Network an Artificial Intelligence Approach [2.6520663596293437]
新型コロナウイルスは現在200カ国以上で600万人が感染している。人工知能を用いた新型コロナウイルススクリーニング手法を提案する。私たちの技術は、患者のウイルスの存在を確認するのにほんの数秒しかかからない。
論文参考訳（メタデータ） (2020-06-26T16:33:01Z)
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)
COVID-MobileXpert: On-Device COVID-19 Patient Triage and Follow-up using Chest X-rays [12.100371588940256]
COVID-MobileXpertは、軽量ディープニューラルネットワーク(DNN)ベースのモバイルアプリで、胸部X線(CXR)を新型コロナウイルスの症例スクリーニングと放射線学的軌跡予測に使用することができる。我々は、ロバストな特徴を学習するために、新しい損失関数とトレーニングスキームをMSネットワークに採用する。
論文参考訳（メタデータ） (2020-04-06T23:43:58Z)
COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
論文参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。