論文の概要: Medical Imaging and Computational Image Analysis in COVID-19 Diagnosis:
A Review
- arxiv url: http://arxiv.org/abs/2010.02154v1
- Date: Thu, 1 Oct 2020 06:38:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 08:48:03.300590
- Title: Medical Imaging and Computational Image Analysis in COVID-19 Diagnosis:
A Review
- Title（参考訳）: 新型コロナウイルスの診断における医用画像とコンピュータ画像解析
- Authors: Shahabedin Nabavi (1), Azar Ejmalian (2), Mohsen Ebrahimi Moghaddam
(1), Ahmad Ali Abin (1), Alejandro F. Frangi (3), Mohammad Mohammadi (4 and
5), Hamidreza Saligheh Rad (6) ((1) Faculty of Computer Science and
Engineering, Shahid Beheshti University, Tehran, Iran. (2) Anesthesiology
Research Center, Shahid Beheshti University of Medical Sciences, Tehran,
Iran. (3) Centre for Computational Imaging and Simulation Technologies in
Biomedicine (CISTIB), School of Computing, University of Leeds, Leeds, UK.
(4) Department of Medical Physics, Royal Adelaide Hospital, Adelaide, South
Australia, Australia. (5) School of Physical Sciences, The University of
Adelaide, Adelaide, South Australia, Australia. (6) Quantitative MR Imaging
and Spectroscopy Group (QMISG), Tehran University of Medical Sciences,
Tehran, Iran.)
- Abstract要約: 新型コロナウイルス(COVID-19)は、無症状の患者でも早期に診断できる医療画像の兆候を明らかにしている。
新型コロナウイルス(COVID-19)自動診断法の性能向上のため、患者からのバルク画像データを可能な限り短時間で収集することが推奨されている。
- 参考スコア（独自算出の注目度）: 33.828866061570096
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coronavirus disease (COVID-19) is an infectious disease caused by a newly
discovered coronavirus. The disease presents with symptoms such as shortness of
breath, fever, dry cough, and chronic fatigue, amongst others. Sometimes the
symptoms of the disease increase so much they lead to the death of the
patients. The disease may be asymptomatic in some patients in the early stages,
which can lead to increased transmission of the disease to others. Many studies
have tried to use medical imaging for early diagnosis of COVID-19. This study
attempts to review papers on automatic methods for medical image analysis and
diagnosis of COVID-19. For this purpose, PubMed, Google Scholar, arXiv and
medRxiv were searched to find related studies by the end of April 2020, and the
essential points of the collected studies were summarised. The contribution of
this study is four-fold: 1) to use as a tutorial of the field for both
clinicians and technologists, 2) to comprehensively review the characteristics
of COVID-19 as presented in medical images, 3) to examine automated artificial
intelligence-based approaches for COVID-19 diagnosis based on the accuracy and
the method used, 4) to express the research limitations in this field and the
methods used to overcome them. COVID-19 reveals signs in medical images can be
used for early diagnosis of the disease even in asymptomatic patients. Using
automated machine learning-based methods can diagnose the disease with high
accuracy from medical images and reduce time, cost and error of diagnostic
procedure. It is recommended to collect bulk imaging data from patients in the
shortest possible time to improve the performance of COVID-19 automated
diagnostic methods.
- Abstract（参考訳）: コロナウイルス(Coronavirus disease, COVID-19)は、新たに発見された新型コロナウイルスによって引き起こされる感染症である。
この疾患は、息の短さ、発熱、乾燥きず、慢性疲労などの症状を呈する。
病気の症状が大きくなると患者の死に至ることがある。
この疾患は、初期の一部の患者では無症候性であり、他の患者への感染の増加につながる可能性がある。
多くの研究が新型コロナウイルスの早期診断に医療画像の使用を試みた。
本研究は、医療画像分析と新型コロナウイルスの診断のための自動手法に関する論文のレビューを試みる。
この目的のために、PubMed、Google Scholar、arXiv、medRxivを検索し、2020年4月末までに関連する研究を見つけ、収集された研究の要点を要約した。
この研究の貢献は4倍です。
1)臨床医及び技術者双方の分野のチュートリアルとして用いること。
2)医療画像に示される新型コロナウイルスの特徴を総合的に検討すること。
3) 精度と方法に基づいて, 自動人工知能による新型コロナウイルス診断のアプローチを検討する。
4) この分野における研究の限界とその克服方法を表現すること。
新型コロナウイルス(COVID-19)は、無症状の患者でも早期に診断できる医療画像の兆候を明らかにしている。
機械学習に基づく自動手法を用いることで、医療画像から高い精度で疾患を診断し、診断手順の時間、コスト、エラーを低減することができる。
新型コロナウイルス(covid-19)自動診断法の性能を改善するため、最短時間で患者からバルクイメージングデータを収集することが推奨されている。
関連論文リスト
- Can GPT-4V(ision) Serve Medical Applications? Case Studies on GPT-4V for
Multimodal Medical Diagnosis [59.35504779947686]
GPT-4VはOpenAIの最新のマルチモーダル診断モデルである。
評価対象は17の人体システムである。
GPT-4Vは、医用画像のモダリティと解剖学を区別する能力を示す。
疾患の診断と包括的報告作成において重大な課題に直面している。
論文 参考訳（メタデータ） (2023-10-15T18:32:27Z) - 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) - Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。
この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
論文 参考訳（メタデータ） (2021-05-14T11:59:47Z) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳（メタデータ） (2021-05-04T19:01:40Z) - Automatic Diagnosis of COVID-19 from CT Images using CycleGAN and
Transfer Learning [3.0797300440355997]
事前学習したディープニューラルネットワークに基づく手法を提案する。
それは手作業、すなわち99.60%の正確さのための最先端の性能に達しました。
189人の患者から3163枚の画像を含むデータセットが収集され、医師によってラベル付けされた。
論文 参考訳（メタデータ） (2021-04-24T13:12:20Z) - 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 Learning in Detection and Diagnosis of Covid-19 using Radiology
Modalities: A Systematic Review [0.0]
Covid-19の早期発見と診断は、Covid-19の流行の主な課題の1つです。
医学とコンピュータの研究者は、放射線画像の分析に機械学習モデルを使う傾向があった。
ディープラーニングベースモデルには、Covid-19の検出と診断のための正確で効率的なシステムを実現する並外れた能力があります。
論文 参考訳（メタデータ） (2020-12-21T18:54:01Z) - A New Screening Method for COVID-19 based on Ocular Feature Recognition
by Machine Learning Tools [66.20818586629278]
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。
論文 参考訳（メタデータ） (2020-09-04T00:50:27Z) - 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) - 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。