論文の概要: A New Screening Method for COVID-19 based on Ocular Feature Recognition
by Machine Learning Tools
- arxiv url: http://arxiv.org/abs/2009.03184v1
- Date: Fri, 4 Sep 2020 00:50:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 02:00:27.660733
- Title: A New Screening Method for COVID-19 based on Ocular Feature Recognition
by Machine Learning Tools
- Title（参考訳）: 機械学習ツールによる眼特徴認識に基づく新しい新型コロナウイルススクリーニング法
- Authors: Yanwei Fu, Feng Li, Wenxuan Wang, Haicheng Tang, Xuelin Qian, Mengwei
Gu, Xiangyang Xue
- Abstract要約: コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。
一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
- 参考スコア（独自算出の注目度）: 66.20818586629278
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Coronavirus disease 2019 (COVID-19) has affected several million people.
With the outbreak of the epidemic, many researchers are devoting themselves to
the COVID-19 screening system. The standard practices for rapid risk screening
of COVID-19 are the CT imaging or RT-PCR (real-time polymerase chain reaction).
However, these methods demand professional efforts of the acquisition of CT
images and saliva samples, a certain amount of waiting time, and most
importantly prohibitive examination fee in some countries. Recently, some
literatures have shown that the COVID-19 patients usually accompanied by ocular
manifestations consistent with the conjunctivitis, including conjunctival
hyperemia, chemosis, epiphora, or increased secretions. After more than four
months study, we found that the confirmed cases of COVID-19 present the
consistent ocular pathological symbols; and we propose a new screening method
of analyzing the eye-region images, captured by common CCD and CMOS cameras,
could reliably make a rapid risk screening of COVID-19 with very high accuracy.
We believe a system implementing such an algorithm should assist the triage
management or the clinical diagnosis. To further evaluate our algorithm and
approved by the Ethics Committee of Shanghai public health clinic center of
Fudan University, we conduct a study of analyzing the eye-region images of 303
patients (104 COVID-19, 131 pulmonary, and 68 ocular patients), as well as 136
healthy people. Remarkably, our results of COVID-19 patients in testing set
consistently present similar ocular pathological symbols; and very high testing
results have been achieved in terms of sensitivity and specificity. We hope
this study can be inspiring and helpful for encouraging more researches in this
topic.
- Abstract（参考訳）: コロナウイルス感染症2019(COVID-19)は、数百万人が影響を受けた。
新型コロナウイルスの感染拡大に伴い、多くの研究者が新型コロナウイルススクリーニングシステムに力を注いでいる。
新型コロナウイルスの迅速なリスクスクリーニングの標準的な方法は、CTイメージングまたはRT-PCR(リアルタイムポリメラーゼ連鎖反応)である。
しかし,これらの方法では,CT画像と唾液サンプルの取得,一定の待ち時間,そしていくつかの国において禁止検査料の取得が求められる。
近年, 結膜高脂血症, 化学療法, エピフォラ, 分泌増加など, 結膜炎と一致した眼症状を呈する症例が報告されている。
4カ月以上にわたる研究の結果、確認された新型コロナウイルスの症例には一貫した眼疾患の徴候があることが判明した。また、一般的なCCDおよびCMOSカメラが捉えた眼領域画像を分析する新しいスクリーニング手法を提案することにより、新型コロナウイルスの早期スクリーニングを極めて高い精度で確実に行うことが可能となった。
このようなアルゴリズムを実装するシステムは,トリアージ管理や臨床診断を支援するべきである。
フダン大学上海公衆衛生クリニックセンターの倫理委員会により、このアルゴリズムをさらに評価し、健常者136名とともに、303例(104 COVID-19, 131 肺, 68 眼患者)の眼領域画像を解析した。
注目すべきは、検査セットの検査結果が類似した眼病のシンボルを一貫して提示し、感度と特異性の観点から非常に高い検査結果が得られたことである。
この研究が、このトピックにおけるさらなる研究を促進するのに役立つことを願っています。
関連論文リスト
- COVID-19 Disease Identification on Chest-CT images using CNN and VGG16 [0.0]
新型コロナウイルス(COVID-19)は、2019年12月に中国武漢で発生したウイルスによる感染症である。
初期の医療機関は、新型コロナウイルス(COVID-19)を検出する適切な医療援助や薬が無かったため、混乱していた。
本研究では,胸部CT画像上でのCOVID-19自動同定のための畳み込みニューラルネットワーク(CNN)とVGG16に基づくモデルを提案する。
論文 参考訳（メタデータ） (2022-07-09T07:20:15Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳（メタデータ） (2021-09-18T02:28:01Z) - COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep
Convolutional Neural Network Design for Detection of COVID-19 Patient Cases
from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型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 USを紹介した。
実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。
リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文 参考訳（メタデータ） (2021-08-05T16:47:33Z) - Rapid COVID-19 Risk Screening by Eye-region Manifestations [64.6260390977642]
新型コロナウイルス(COVID-19)の患者には、臨床的な証拠として、より多くの眼症状が報告されている。
そこで本研究では,共通CCDおよびCMOSカメラで撮像された眼領域画像の高速スクリーニング手法を提案する。
我々の新型コロナウイルスの急激な事前スクリーニングモデルは、コストが低く、完全自己パフォーマンスで、非侵襲的で、重要なリアルタイム性を持つため、継続的な健康監視を可能にします。
論文 参考訳（メタデータ） (2021-06-12T01:56:10Z) - 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) - 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) - A comparison of deep machine learning algorithms in COVID-19 disease
diagnosis [4.636229382827605]
この研究の目的は、画像認識の問題を解決するためにディープニューラルネットワークモデルを使用することである。
本研究は、現代の機械学習技術を用いて、新型コロナウイルスの疑いのある患者の診断にX線画像を用いている。
論文 参考訳（メタデータ） (2020-08-25T10:51:54Z) - 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) - Weakly Supervised Deep Learning for COVID-19 Infection Detection and
Classification from CT Images [7.252875269963945]
新型コロナウイルス(COVID-19)の流行は、2019年12月下旬以降、中国の武漢で記録されている。
我々は,CT画像から新型コロナウイルスの感染を検出・分類するための弱い教師付き深層学習戦略を提案する。
論文 参考訳（メタデータ） (2020-04-14T17:45:03Z)
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。