論文の概要: COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest CT Images
- arxiv url: http://arxiv.org/abs/2009.05383v1
- Date: Tue, 8 Sep 2020 15:49:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 21:02:39.559070
- Title: COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest CT Images
- Title（参考訳）: COVIDNet-CT:胸部CT画像からCOVID-19症例を検出するためのニューラルネットワーク設計
- Authors: Hayden Gunraj, Linda Wang, and Alexander Wong
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 75.74756992992147
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The coronavirus disease 2019 (COVID-19) pandemic continues to have a
tremendous impact on patients and healthcare systems around the world. In the
fight against this novel disease, there is a pressing need for rapid and
effective screening tools to identify patients infected with COVID-19, and to
this end CT imaging has been proposed as one of the key screening methods which
may be used as a complement to RT-PCR testing, particularly in situations where
patients undergo routine CT scans for non-COVID-19 related reasons, patients
with worsening respiratory status or developing complications that require
expedited care, and patients suspected to be COVID-19-positive but have
negative RT-PCR test results. Motivated by this, in this study we introduce
COVIDNet-CT, a deep convolutional neural network architecture that is tailored
for detection of COVID-19 cases from chest CT images via a machine-driven
design exploration approach. Additionally, we introduce COVIDx-CT, a benchmark
CT image dataset derived from CT imaging data collected by the China National
Center for Bioinformation comprising 104,009 images across 1,489 patient cases.
Furthermore, in the interest of reliability and transparency, we leverage an
explainability-driven performance validation strategy to investigate the
decision-making behaviour of COVIDNet-CT, and in doing so ensure that
COVIDNet-CT makes predictions based on relevant indicators in CT images. Both
COVIDNet-CT and the COVIDx-CT dataset are available to the general public in an
open-source and open access manner as part of the COVID-Net initiative. While
COVIDNet-CT is not yet a production-ready screening solution, we hope that
releasing the model and dataset will encourage researchers, clinicians, and
citizen data scientists alike to leverage and build upon them.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)パンデミックは、世界中の患者や医療システムに深刻な影響を与え続けている。
In the fight against this novel disease, there is a pressing need for rapid and effective screening tools to identify patients infected with COVID-19, and to this end CT imaging has been proposed as one of the key screening methods which may be used as a complement to RT-PCR testing, particularly in situations where patients undergo routine CT scans for non-COVID-19 related reasons, patients with worsening respiratory status or developing complications that require expedited care, and patients suspected to be COVID-19-positive but have negative RT-PCR test results.
そこで本研究では,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covid-19-ctを,機械駆動設計による胸部ct画像から検出する方法について紹介する。
また,中国国立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を紹介した。
さらに、信頼性と透明性に関心を抱く中で、説明可能性に基づくパフォーマンス検証戦略を利用して、COVIDNet-CTの意思決定行動を調査し、その過程で、CT画像の関連指標に基づいて、COVIDNet-CTが予測を行うようにする。
COVIDNet-CTとCOVIDx-CTデータセットはいずれも、COVID-Netイニシアチブの一部として、オープンソースかつオープンなアクセス方法で一般向けに提供されている。
COVIDNet-CTはまだプロダクション対応のスクリーニングソリューションではありませんが、モデルとデータセットのリリースによって、研究者、臨床医、市民データサイエンティストがそれらを活用して構築できることを願っています。
関連論文リスト
- A Novel Implementation of Machine Learning for the Efficient,
Explainable Diagnosis of COVID-19 from Chest CT [0.0]
本研究の目的は、胸部CTスキャンから新型コロナウイルスを機械学習で検出することである。
提案したモデルは0.927の総合精度と0.958の感度を得た。
論文 参考訳（メタデータ） (2022-06-15T18:35:22Z) - COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset
for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。
COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。
我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
論文 参考訳（メタデータ） (2022-06-07T06:35:48Z) - 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) - COVID-Rate: An Automated Framework for Segmentation of COVID-19 Lesions
from Chest CT Scans [29.266579630983358]
パンデミック時代には、専門家の放射線学者による新型コロナウイルスの肺病変の視覚的評価と定量化が高価になり、エラーが生じる傾向にある。
専門医に注釈を付された82例のCT画像433点を含むオープンアクセス型COVID-19 CTセグメンテーションデータセットについて紹介する。
Deep Neural Network(DNN)ベースのフレームワークであるCOVID-Rateは、胸部CTスキャンからCOVID-19に関連する肺の異常を自律的に分離する。
論文 参考訳（メタデータ） (2021-07-04T03:19:43Z) - COVID-Net CXR-S: Deep Convolutional Neural Network for Severity
Assessment of COVID-19 Cases from Chest X-ray Images [74.77272804752306]
胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。
患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。
提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
論文 参考訳（メタデータ） (2021-05-01T14:15:12Z) - 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) - Screening COVID-19 Based on CT/CXR Images & Building a Publicly
Available CT-scan Dataset of COVID-19 [6.142272540492935]
本研究は、1000人以上からなる13k以上のCT画像で構成され、新型コロナウイルスに感染した500人の患者から8kの画像を撮影する大規模なCTスキャンデータセットを構築した。
提案するCTデータセットを用いて,COVID-19をスクリーニングする深層学習モデルを提案し,その結果を報告する。
最後に、トランスファーラーニング手法を用いてCXR画像からCOVID-19をスクリーニングするCTモデルを拡張した。
論文 参考訳（メタデータ） (2020-12-28T11:52:33Z) - COVID-19 CT Image Synthesis with a Conditional Generative Adversarial
Network [26.12568967493797]
コロナウイルス感染症2019(COVID-19)は、2019年12月以降急速に拡大している世界的なパンデミックである。
リアルタイム逆転写ポリメラーゼ鎖反応 (rRT-PCR) と胸部CT画像撮影 (CT) はどちらも新型コロナウイルスの診断において重要な役割を担っている。
深層学習に基づくコンピュータビジョン手法は、医用画像の応用において非常に有望であることを示す。
論文 参考訳（メタデータ） (2020-07-29T07:20:06Z) - 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。