論文の概要: Anomaly Detection Approach to Identify Early Cases in a Pandemic using
Chest X-rays
- arxiv url: http://arxiv.org/abs/2010.02814v2
- Date: Tue, 13 Apr 2021 19:54:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 06:20:26.608302
- Title: Anomaly Detection Approach to Identify Early Cases in a Pandemic using
Chest X-rays
- Title（参考訳）: 胸部x線を用いたパンデミックの早期発見のための異常検出法
- Authors: Shehroz S. Khan, Faraz Khoshbakhtian, Ahmed Bilal Ashraf
- Abstract要約: あらゆるパンデミックにおいて重要な段階は、予防的治療と戦略を開発するための早期発見である。
新型コロナウイルスの症例では、胸部X線撮影で特徴的な異常がみられた。
本稿では,畳み込み型および逆向きに訓練されたオートエンコーダを含む,教師なしの深層学習手法を提案する。
- 参考スコア（独自算出の注目度）: 3.9801611649762263
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The current COVID-19 pandemic is now getting contained, albeit at the cost of
morethan2.3million human lives. A critical phase in any pandemic is the early
detection of cases to develop preventive treatments and strategies. In the case
of COVID-19,several studies have indicated that chest radiography images of the
infected patients show characteristic abnormalities. However, at the onset of a
given pandemic, such asCOVID-19, there may not be sufficient data for the
affected cases to train models for their robust detection. Hence, supervised
classification is ill-posed for this problem because the time spent in
collecting large amounts of data from infected persons could lead to the loss
of human lives and delays in preventive interventions. Therefore, we formulate
the problem of identifying early cases in a pandemic as an anomaly detection
problem, in which the data for healthy patients is abundantly available,
whereas no training data is present for the class of interest (COVID-19 in our
case). To solve this problem, we present several unsupervised deep learning
approaches, including convolutional and adversarially trained autoencoder. We
tested two settings on a publicly available dataset (COVIDx)by training the
model on chest X-rays from (i) only healthy adults, and (ii) healthy and other
non-COVID-19 pneumonia, and detected COVID-19 as an anomaly.
Afterperforming3-fold cross validation, we obtain a ROC-AUC of0.765. These
results are very encouraging and pave the way towards research for ensuring
emergency preparedness in future pandemics, especially the ones that could be
detected from chest X-rays
- Abstract（参考訳）: 現在の新型コロナウイルス(COVID-19)のパンデミックは、人命230万ドルを犠牲にしているが、今や封じ込められている。
あらゆるパンデミックにおいて重要な段階は、予防治療や戦略を開発するための早期発見である。
新型コロナウイルス(covid-19)の症例では、胸部x線画像に特徴的な異常がみられた。
しかし、ascovid-19のようなパンデミックの発生時には、ロバストな検出のためにモデルをトレーニングするのに十分なデータがない可能性がある。
したがって、感染した人から大量のデータを集めるのに費やされる時間が、人命の喪失や予防介入の遅れにつながる可能性があるため、この問題は教師付き分類では不十分である。
そこで本研究では,パンデミックの早期患者を特定する問題は,健康な患者のデータが豊富に存在する異常検出問題として定式化されているが,興味のあるクラスにはトレーニングデータがない(本事例ではcovid-19)。
この問題を解決するために,convolutionalやadversarially training autoencoderなど,教師なしのディープラーニングアプローチをいくつか紹介する。
胸部X線でモデルをトレーニングすることで、公開データセット(COVIDx)上で2つの設定をテストした。
(i)健康な大人のみ、そして
(ii)健康および非共発性肺炎、及びcovid-19を異常として検出した。
3-fold cross validationの後、roc-auc (0.765) を得る。
これらの結果は、将来のパンデミック、特に胸部X線から検出できる緊急事態に備えた研究への道のりを大いに奨励している。
関連論文リスト
- CoVScreen: Pitfalls and recommendations for screening COVID-19 using Chest X-rays [1.0878040851637998]
新型コロナウイルス(COVID-19)は、SARS-CoV-2による感染性の高い呼吸器疾患で、前例のない医療危機となっている。
症状のある患者の早期スクリーニングと診断は、地域感染を止めるために患者を隔離する上で重要な役割を担っている。
アクセシビリティ、可用性、低コスト、衛生の容易さ、ポータブルなセットアップのため、胸部X線撮影は効果的なスクリーニングおよび診断ツールとして機能する。
論文 参考訳（メタデータ） (2024-05-13T12:03:15Z) - Discovering COVID-19 Coughing and Breathing Patterns from Unlabeled Data
Using Contrastive Learning with Varying Pre-Training Domains [3.935053618942546]
本研究は,非ウイルス性うさぎの呼吸パターン発見のための,対照的な学習に基づくモデリング手法を提案する。
以上の結果から, 提案モデルでは, ラベル付けされていないデータやラベル付けされていない非新型コロナウイルスを, 0.81 と 0.86 の精度で効果的に識別できることが示唆された。
論文 参考訳（メタデータ） (2023-06-02T18:41:39Z) - The pitfalls of using open data to develop deep learning solutions for
COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。
オープンソースデータのトレーニングやテストでは,結果は異例です。
データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文 参考訳（メタデータ） (2021-09-14T10:59:11Z) - 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) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - 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) - Early Screening of SARS-CoV-2 by Intelligent Analysis of X-Ray Images [0.0]
本稿では,HoGに基づく古典的アプローチと特徴選択を用いたX線COVID-19検出プロジェクトの概要,実験設計,第1報について述べる。
この実験結果から,古典的手法がディープラーニング手法より優れていることが示された。
非ウイルス浸潤は、X線の放射線学的記述において、最も新型コロナウイルスに類似した患者のグループである。
論文 参考訳（メタデータ） (2020-05-28T11:46:31Z) - 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) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - CoroNet: A deep neural network for detection and diagnosis of COVID-19
from chest x-ray images [0.0]
CoroNetは、胸部X線画像からCOVID-19感染を自動的に検出するDeep Conceptional Neural Networkモデルである。
提案したモデルは全体の89.6%の精度を達成し、新型コロナウイルス患者の精度とリコール率は93%と98.2%である。
論文 参考訳（メタデータ） (2020-04-10T07:46:07Z)
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。