論文の概要: COVID-19 Classification of X-ray Images Using Deep Neural Networks
- arxiv url: http://arxiv.org/abs/2010.01362v2
- Date: Wed, 7 Oct 2020 08:28:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 09:01:42.916952
- Title: COVID-19 Classification of X-ray Images Using Deep Neural Networks
- Title(参考訳): 深部ニューラルネットワークを用いたX線画像のCOVID-19分類
- Authors: Elisha Goldstein, Daphna Keidar, Daniel Yaron, Yair Shachar, Ayelet
Blass, Leonid Charbinsky, Israel Aharony, Liza Lifshitz, Dimitri Lumelsky,
Ziv Neeman, Matti Mizrachi, Majd Hajouj, Nethanel Eizenbach, Eyal Sela,
Chedva S Weiss, Philip Levin, Ofer Benjaminov, Gil N Bachar, Shlomit Tamir,
Yael Rapson, Dror Suhami, Amiel A Dror, Naama R Bogot, Ahuva Grubstein, Nogah
Shabshin, Yishai M Elyada, Yonina C Eldar
- Abstract要約: 本研究の目的は、新型コロナウイルスの診断のための機械学習モデルの作成と評価である。
機械学習モデルは、事前訓練されたディープラーニングモデル(ReNet50)を使用して構築され、データ拡張と肺分節によって強化された。
精度,感度,受信特性曲線(ROC)と高精度リコール曲線(P-R)を用いて評価した。
- 参考スコア(独自算出の注目度): 36.99143569437537
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the midst of the coronavirus disease 2019 (COVID-19) outbreak, chest X-ray
(CXR) imaging is playing an important role in the diagnosis and monitoring of
patients with COVID-19. Machine learning solutions have been shown to be useful
for X-ray analysis and classification in a range of medical contexts. The
purpose of this study is to create and evaluate a machine learning model for
diagnosis of COVID-19, and to provide a tool for searching for similar patients
according to their X-ray scans. In this retrospective study, a classifier was
built using a pre-trained deep learning model (ReNet50) and enhanced by data
augmentation and lung segmentation to detect COVID-19 in frontal CXR images
collected between January 2018 and July 2020 in four hospitals in Israel. A
nearest-neighbors algorithm was implemented based on the network results that
identifies the images most similar to a given image. The model was evaluated
using accuracy, sensitivity, area under the curve (AUC) of receiver operating
characteristic (ROC) curve and of the precision-recall (P-R) curve. The dataset
sourced for this study includes 2362 CXRs, balanced for positive and negative
COVID-19, from 1384 patients (63 +/- 18 years, 552 men). Our model achieved
89.7% (314/350) accuracy and 87.1% (156/179) sensitivity in classification of
COVID-19 on a test dataset comprising 15% (350 of 2326) of the original data,
with AUC of ROC 0.95 and AUC of the P-R curve 0.94. For each image we retrieve
images with the most similar DNN-based image embeddings; these can be used to
compare with previous cases.
- Abstract(参考訳): 新型コロナウイルス感染症(COVID-19)の流行の中、胸部X線画像(CXR)は新型コロナウイルス患者の診断とモニタリングに重要な役割を果たしている。
機械学習ソリューションは、様々な医学的文脈におけるX線分析と分類に有用であることが示されている。
本研究の目的は、新型コロナウイルスの診断のための機械学習モデルを作成し、評価することであり、X線スキャンにより類似した患者を検索するためのツールを提供することである。
本研究は,2018年1月から2020年7月までにイスラエルの4つの病院で収集された前頭部CXR画像において,事前学習したディープラーニングモデル(ReNet50)を用いて分類器を構築し,データ拡張と肺分画により増強した。
最寄りのアルゴリズムは、与えられた画像に最も近い画像を特定するネットワーク結果に基づいて実装された。
精度,感度,受信特性曲線(ROC)と高精度リコール曲線(P-R)を用いて評価した。
この研究で得られたデータセットは2362のcxrで、1384人の患者(63歳+18歳、552人)から陽性と陰性のcovid-19のバランスを取っている。
roc 0.95 の auc と p-r 曲線 0.94 の auc を用いて,原データの 15% (2326 点中 350 点) からなるテストデータセット上で,covid-19 分類における 89.7% (314/350) の精度と 87.1% (156/179) の感度を達成した。
各画像について、最もよく似たDNNベースの画像埋め込みで画像を取得する。
関連論文リスト
- Diagnosis of COVID-19 based on Chest Radiography [0.0]
コロナウイルス感染症2019(COVID-19)は、2019年12月初旬に中国の武漢で最初に確認され、現在はパンデミックとなっている。
放射線医は、胸部X線(CXR)画像から放射線学的異常の存在を観察することができる。
本研究では、新型コロナウイルス患者の放射線科医の診断を支援するために、深層畳み込みニューラルネットワーク(CNN)モデルを提案した。
論文 参考訳(メタデータ) (2022-12-26T08:05:56Z) - CIRCA: comprehensible online system in support of chest X-rays-based
COVID-19 diagnosis [37.41181188499616]
深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。
5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。
The U-Net-based model was developed to identified a clinically relevant region of the CXR。
論文 参考訳(メタデータ) (2022-10-11T13:30:34Z) - 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) - 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) - 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) - FLANNEL: Focal Loss Based Neural Network Ensemble for COVID-19 Detection [61.04937460198252]
正常, 細菌性肺炎, 非ウイルス性肺炎, COVID-19の4型を有する2874例のX線画像データを構築した。
FLANNEL(Focal Loss Based Neural Ensemble Network)を提案する。
FLANNELは、すべての指標において、新型コロナウイルス識別タスクのベースラインモデルを一貫して上回っている。
論文 参考訳(メタデータ) (2020-10-30T03:17:31Z) - 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) - 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) - Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray
images using fine-tuned deep neural networks [4.294650528226683]
新型コロナウイルスは肺炎に似た呼吸器症候群である。
科学者、研究者、医療専門家は、肺感染症の特定によって、新型コロナウイルスの迅速かつ自動化された診断に貢献している。
本稿では,様々な最先端ディープラーニング手法における非バイアスの微調整学習(トランスファーラーニング)に対するランダムなオーバーサンプリングと重み付きクラス損失関数アプローチを提案する。
論文 参考訳(メタデータ) (2020-04-23T10:24:34Z) - Deep-COVID: Predicting COVID-19 From Chest X-Ray Images Using Deep
Transfer Learning [5.174558376705871]
新型コロナウイルス(COVID-19)のパンデミックは、世界中で150カ国以上で大流行している。
新型コロナウイルスと戦う上で重要なステップの1つは、感染した患者を十分に早期に検出する能力だ。
胸部X線画像から新型コロナウイルス患者を検出するための深層学習モデルの応用について検討した。
論文 参考訳(メタデータ) (2020-04-20T15:09:14Z)
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。