論文の概要: Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans

• arxiv url: http://arxiv.org/abs/2008.06388v4
• Date: Tue, 5 Jan 2021 19:41:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 16:37:02.367164
• Title: Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans
• Title（参考訳）: 胸部x線写真とctスキャンを用いたcovid-19検出と予後予測に機械学習を使う一般的な落とし穴と推奨
• Authors: Michael Roberts, Derek Driggs, Matthew Thorpe, Julian Gilbey, Michael Yeung, Stephan Ursprung, Angelica I. Aviles-Rivero, Christian Etmann, Cathal McCague, Lucian Beer, Jonathan R. Weir-McCall, Zhongzhao Teng, Effrossyni Gkrania-Klotsas, James H.F. Rudd, Evis Sala, Carola-Bibiane Sch\"onlieb (on behalf of the AIX-COVNET collaboration)
• Abstract要約: 我々は、2020年1月1日から2020年10月3日までアップロードされた論文とプレプリントについて、OVID、MEDLINE、PubMed、bioRxiv、medRxiv、arXivを介してEMBASEを検索する。 本報告では, 方法的欠陥や根本的バイアスにより, いずれのモデルも臨床応用の可能性を秘めていないことが確認された。
• 参考スコア（独自算出の注目度）: 1.9133116891556288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning methods offer great promise for fast and accurate detection and prognostication of COVID-19 from standard-of-care chest radiographs (CXR) and computed tomography (CT) images. Many articles have been published in 2020 describing new machine learning-based models for both of these tasks, but it is unclear which are of potential clinical utility. In this systematic review, we search EMBASE via OVID, MEDLINE via PubMed, bioRxiv, medRxiv and arXiv for published papers and preprints uploaded from January 1, 2020 to October 3, 2020 which describe new machine learning models for the diagnosis or prognosis of COVID-19 from CXR or CT images. Our search identified 2,212 studies, of which 415 were included after initial screening and, after quality screening, 61 studies were included in this systematic review. Our review finds that none of the models identified are of potential clinical use due to methodological flaws and/or underlying biases. This is a major weakness, given the urgency with which validated COVID-19 models are needed. To address this, we give many recommendations which, if followed, will solve these issues and lead to higher quality model development and well documented manuscripts.
• Abstract（参考訳）: 機械学習の手法は、標準的な胸部x線写真(cxr)とct画像からcovid-19の迅速かつ正確な検出と予後を予測できる。 これら2つのタスクのための新しい機械学習ベースのモデルについて、2020年に多くの記事が発行されているが、どの臨床的有用性があるかは不明だ。 本稿では、2020年1月1日から2020年10月3日までにアップロードされた論文やプレプリントに対して、OVID、MEDLINE、PubMed、bioRxiv、medRxiv、arXivを介してEMBASEを検索し、CXRまたはCT画像から新型コロナウイルスの診断または予後に関する新しい機械学習モデルを記述した。 調査では,初回検診後に2,212件,初回検診後に415件,品質検診後に61件を対象とした。 以上の結果から,方法論的欠陥や根底偏りによる臨床応用の可能性は認められなかった。 検証済みの新型コロナウイルスモデルが必要な緊急性を考えると、これは大きな弱点である。 この問題に対処するため、我々はこれらの問題を解決し、高品質なモデル開発とドキュメントの充実に繋がる多くの推奨事項を提示する。

関連論文リスト

• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• Machine learning approaches for COVID-19 detection from chest X-ray imaging: A Systematic Review [31.21638091772227]
  胸部X線画像の評価を支援するため,機械学習アルゴリズムが提案されている。 胸部X線画像を用いた新型コロナウイルス検出に応用したMLの体系的レビューを行った。
  論文  参考訳（メタデータ） (2022-06-11T21:17:42Z)
• Medical-VLBERT: Medical Visual Language BERT for COVID-19 CT Report Generation With Alternate Learning [70.71564065885542]
  本稿では,医療用ビジュアル言語BERT(Medical-VLBERT)モデルを用いて,新型コロナウイルススキャンの異常を同定する。 このモデルは、知識事前学習と伝達の2つの手順で、代替的な学習戦略を採用する。 COVID-19患者に対する医療報告の自動作成のために,中国語で368例,胸部CTで1104例の検診を行った。
  論文  参考訳（メタデータ） (2021-08-11T07:12:57Z)
• A Survey of Machine Learning Techniques for Detecting and Diagnosing COVID-19 from Imaging [1.9499120576896225]
  逆転写-ポリメラーゼ連鎖反応(RT-PCR)の高可用性と高コストのため、医療画像からCOVID-19を検出するための機械学習技術が提案されている。 本研究の目的は、異なる機械学習技術を用いて胸部X線およびCTスキャン画像から新型コロナウイルスを検出し診断した研究論文を体系的にレビューし、評価し、合成することである。
  論文  参考訳（メタデータ） (2021-07-25T12:26:57Z)
• What is the State of the Art of Computer Vision-Assisted Cytology? A Systematic Literature Review [47.42354724922676]
  現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。 分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。 結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
  論文  参考訳（メタデータ） (2021-05-24T13:50:45Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Deep Metric Learning-based Image Retrieval System for Chest Radiograph and its Clinical Applications in COVID-19 [12.584626589565522]
  胸部X線写真(CXR)は、新型コロナウイルス患者のトリアージ、診断、モニタリングにおいて重要な役割を担っている。 CXRの混合信号や非特異的信号を考えると、類似した画像と関連する臨床情報の両方を提供するCXRの画像検索モデルは、より臨床的に有意義である。 本研究では,深度学習に基づく新しいCXR画像検索モデルを開発する。
  論文  参考訳（メタデータ） (2020-11-26T03:16:48Z)
• 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)
• An Uncertainty-aware Transfer Learning-based Framework for Covid-19 Diagnosis [10.832659320593347]
  本稿では,医療画像を用いたCOVID-19検出のための深層不確実性認識型トランスファー学習フレームワークを提案する。 4つの一般的な畳み込みニューラルネットワーク(CNN)を用いて胸部X線画像とCT画像から深い特徴を抽出する。 抽出された機能は、さまざまな機械学習と統計モデリング技術によって処理され、新型コロナウイルスの症例を特定する。
  論文  参考訳（メタデータ） (2020-07-26T20:15:01Z)
• A Review of Automated Diagnosis of COVID-19 Based on Scanning Images [12.432133365523661]
  新型コロナウイルス(COVID-19)のパンデミックにより、何百万もの感染が引き起こされ、世界中で、社会的、経済的に大きな損失を被った。 逆転写ポリメラーゼ連鎖反応 (RT-PCR) の誤陰性率と時間消費により, X線画像とCT画像に基づく診断が広く行われている。 コンピュータビジョン領域の研究者は、放射線学者を支援し、診断精度を向上させるために、機械学習やディープラーニングに基づく多くの自動診断モデルを開発した。
  論文  参考訳（メタデータ） (2020-06-09T13:29:15Z)
• 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。