論文の概要: Fused Deep Convolutional Neural Network for Precision Diagnosis of
COVID-19 Using Chest X-Ray Images
- arxiv url: http://arxiv.org/abs/2009.08831v1
- Date: Tue, 15 Sep 2020 02:27:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 05:57:20.901199
- Title: Fused Deep Convolutional Neural Network for Precision Diagnosis of
COVID-19 Using Chest X-Ray Images
- Title（参考訳）: 胸部x線画像を用いたcovid-19診断のための深層畳み込みニューラルネットワーク
- Authors: Hussin K. Ragb, Ian T. Dover, Redha Ali
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With a Coronavirus disease (COVID-19) case count exceeding 10 million
worldwide, there is an increased need for a diagnostic capability. The main
variables in increasing diagnostic capability are reduced cost, turnaround or
diagnosis time, and upfront equipment cost and accessibility. Two candidates
for machine learning COVID-19 diagnosis are Computed Tomography (CT) scans and
plain chest X-rays. While CT scans score higher in sensitivity, they have a
higher cost, maintenance requirement, and turnaround time as compared to plain
chest X-rays. The use of portable chest X-radiograph (CXR) is recommended by
the American College of Radiology (ACR) since using CT places a massive burden
on radiology services. Therefore, X-ray imagery paired with machine learning
techniques is proposed a first-line triage tool for COVID-19 diagnostics. In
this paper we propose a computer-aided diagnosis (CAD) to accurately classify
chest X-ray scans of COVID-19 and normal subjects by fine-tuning several neural
networks (ResNet18, ResNet50, DenseNet201) pre-trained on the ImageNet dataset.
These neural networks are fused in a parallel architecture and the voting
criteria are applied in the final classification decision between the candidate
object classes where the output of each neural network is representing a single
vote. Several experiments are conducted on the weakly labeled COVID-19-CT-CXR
dataset consisting of 263 COVID-19 CXR images extracted from PubMed Central
Open Access subsets combined with 25 normal classification CXR images. These
experiments show an optimistic result and a capability of the proposed model to
outperforming many state-of-the-art algorithms on several measures. Using
k-fold cross-validation and a bagging classifier ensemble, we achieve an
accuracy of 99.7% and a sensitivity of 100%.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)の感染者は世界中で1000万人を超えており、診断能力の必要性が高まっている。
診断能力を向上させる主な変数は、コストの削減、ターンアラウンドまたは診断時間、前身設備のコストとアクセシビリティである。
機械学習による新型コロナウイルスの診断には、CTスキャンと胸部X線検査の2つの候補がある。
CTスキャンは感度が高いが、通常の胸部X線と比較すると、コスト、メンテナンス要件、ターンアラウンド時間が高い。
携帯型胸部X線撮影(CXR)の使用は,CTを用いて放射線治療に多大な負担をかけるため,米国放射線学大学(ACR)が推奨している。
したがって、機械学習技術と組み合わせたx線画像は、新型コロナウイルス診断のための第一線トリアージツールとして提案されている。
本稿では,複数のニューラルネットワーク(ResNet18,ResNet50,DenseNet201)をImageNetデータセットで事前トレーニングすることで,新型コロナウイルスおよび正常者の胸部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。
これらのニューラルネットワークは並列アーキテクチャで融合され、各ニューラルネットワークの出力が単一の投票を表す候補オブジェクトクラス間の最終的な分類決定に投票基準が適用される。
PubMed Central Open Accessサブセットから抽出された263のCOVID-19-CT-CXRイメージと25の通常の分類CXRイメージを組み合わせた、弱ラベル付きCOVID-19-CT-CXRデータセット上で、いくつかの実験が行われた。
これらの実験は,提案モデルがいくつかの測度で多くの最先端アルゴリズムより優れているという楽観的な結果と能力を示す。
k-foldクロスバリデーションとバッキング分類器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。
関連論文リスト
- Multi-Scale Feature Fusion using Parallel-Attention Block for COVID-19
Chest X-ray Diagnosis [2.15242029196761]
世界的な新型コロナウイルス危機下では、チェストX線(CXR)画像からの新型コロナウイルスの正確な診断が重要である。
並列アテンションブロックを用いた新しい多機能融合ネットワークを提案し、元のCXR画像とローカル位相特徴強調CXR画像をマルチスケールで融合する。
論文 参考訳（メタデータ） (2023-04-25T16:56:12Z) - 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) - 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) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳（メタデータ） (2021-11-16T15:03:42Z) - Chest X-ray Image Phase Features for Improved Diagnosis of COVID-19
Using Convolutional Neural Network [2.752817022620644]
最近の研究で、新型コロナウイルス患者のX線写真には、新型コロナウイルスに関する情報が含まれていることが示されている。
胸部X線(CXR)は、高速な撮像時間、広範囲の可用性、低コスト、可搬性から注目されている。
本研究では、CXR画像から新型コロナウイルスの分類を改善するために、新しい多機能畳み込みニューラルネットワーク(CNN)アーキテクチャを設計する。
論文 参考訳（メタデータ） (2020-11-06T20:26:26Z) - Triple-view Convolutional Neural Networks for COVID-19 Diagnosis with
Chest X-ray [1.956959549209676]
本稿では,CXR画像を用いたCOVID-19診断のためのトリプルビュー畳み込みニューラルネットワークを提案する。
提案するネットワーク構造はヒト肺の解剖学的構造を尊重し、実際に新型コロナウイルスの臨床的診断とよく一致している。
論文 参考訳（メタデータ） (2020-10-27T06:15:32Z) - Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray
Images [61.24431480245932]
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。
論文 参考訳（メタデータ） (2020-08-03T12:52:23Z) - 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) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z)
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。