論文の概要: Synthesis of COVID-19 Chest X-rays using Unpaired Image-to-Image Translation

• arxiv url: http://arxiv.org/abs/2010.10266v1
• Date: Tue, 20 Oct 2020 13:37:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 06:46:09.780837
• Title: Synthesis of COVID-19 Chest X-rays using Unpaired Image-to-Image Translation
• Title（参考訳）: 画像間翻訳による新型コロナウイルス胸部X線の合成
• Authors: Hasib Zunair and A. Ben Hamza
• Abstract要約: 我々は、教師なしドメイン適応アプローチを用いて、新型コロナウイルスの胸部X線画像の最初のオープンデータセットを構築した。 各種ディープラーニングアーキテクチャを用いたCOVID-19検出では,大幅な性能向上が見られた。 公開されているベンチマークデータセットは、21,295の合成新型コロナウイルスの胸部X線画像で構成されています。
• 参考スコア（独自算出の注目度）: 6.22964000148682
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motivated by the lack of publicly available datasets of chest radiographs of positive patients with Coronavirus disease 2019 (COVID-19), we build the first-of-its-kind open dataset of synthetic COVID-19 chest X-ray images of high fidelity using an unsupervised domain adaptation approach by leveraging class conditioning and adversarial training. Our contributions are twofold. First, we show considerable performance improvements on COVID-19 detection using various deep learning architectures when employing synthetic images as additional training set. Second, we show how our image synthesis method can serve as a data anonymization tool by achieving comparable detection performance when trained only on synthetic data. In addition, the proposed data generation framework offers a viable solution to the COVID-19 detection in particular, and to medical image classification tasks in general. Our publicly available benchmark dataset consists of 21,295 synthetic COVID-19 chest X-ray images. The insights gleaned from this dataset can be used for preventive actions in the fight against the COVID-19 pandemic.
• Abstract（参考訳）: コロナウイルス病2019 (COVID-19) の陽性患者の胸部X線画像の公開データセットが欠如していることから、クラス条件と対人訓練を利用して、教師なし領域適応アプローチを用いて、高忠実度の合成新型コロナウイルスの胸部X線画像の最初のオープンデータセットを構築した。 私たちの貢献は2倍です。 まず,新たな訓練セットとして合成画像を用いた場合,さまざまなディープラーニングアーキテクチャを用いたcovid-19検出の性能向上を示す。 第2に,画像合成法がデータ匿名化ツールとしてどのように機能するかを,合成データのみを訓練した場合に比較して示す。 さらに、提案したデータ生成フレームワークは、特にCOVID-19の検出や、一般の医療画像分類タスクに対して実行可能なソリューションを提供する。 ベンチマークデータセットは21,295個の合成covid-19胸部x線画像からなる。 このデータセットから得られた洞察は、新型コロナウイルスのパンデミックとの戦いにおける予防行動に利用できる。

関連論文リスト

• COVIDx CXR-4: An Expanded Multi-Institutional Open-Source Benchmark Dataset for Chest X-ray Image-Based Computer-Aided COVID-19 Diagnostics [79.90346960083775]
  我々は,胸部X線画像を用いたコンピュータ支援型COVID-19診断のための,多施設のオープンソースベンチマークデータセットであるCOVIDx CXR-4を紹介する。 COVIDx CXR-4は、患者の総コホートサイズを2.66倍に増やすことで、前回のCOVIDx CXR-3データセットで大幅に拡大する。 患者人口、画像メタデータ、および疾患分布の多様性について広範な分析を行い、潜在的なデータセットバイアスを明らかにする。
  論文  参考訳（メタデータ） (2023-11-29T14:40:31Z)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Detection of COVID19 in Chest X-Ray Images Using Transfer Learning [0.0]
  本稿では,VGG-16とVGG-19という,最もよく知られた2つのVGGNetアーキテクチャを用いたトランスファーラーニングの概念について検討する。 我々は,複数クラスとバイナリの分類問題において,正のCovid-19インスタンスを識別するために,提案システムの性能を評価するために2つの異なるデータセットを生成した。
  論文  参考訳（メタデータ） (2023-04-09T05:02:04Z)
• 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)
• Improving COVID-19 CXR Detection with Synthetic Data Augmentation [0.0]
  我々は,新型コロナウイルス画像データに基づく深層学習モデルを訓練し,そのモデルを病院の胸部X線データ上で評価する。 我々は、このデータに基づいて合成X線画像を生成するために、ジェネレーティブ・アドバイサル・ネットワークを使用している。
  論文  参考訳（メタデータ） (2021-12-14T16:42:39Z)
• Classification of COVID-19 on chest X-Ray images using Deep Learning model with Histogram Equalization and Lungs Segmentation [1.6019444314820142]
  本研究は,胸部X線を用いたコビッドウイルス感染肺の検出のためのディープラーニングアーキテクチャに基づく研究である。 我々の新しいアプローチは、よく知られた前処理技術、特徴抽出法、およびデータセットバランス法を組み合わせることで、優れた98%の認識率をもたらす。
  論文  参考訳（メタデータ） (2021-12-05T05:04:38Z)
• Learning from Pseudo Lesion: A Self-supervised Framework for COVID-19 Diagnosis [22.54540093657541]
  コロナウイルス感染症2019(COVID-19)は、2019年12月の報告以来、世界中で急速に拡大している。 近年、ディープラーニングに基づくアプローチは、無数の画像認識タスクにおいて顕著なパフォーマンスを示している。 本報告では, 疑似病変の発生と回復に基づく自己指導型事前訓練法を提案する。
  論文  参考訳（メタデータ） (2021-06-23T11:21:30Z)
• Synthetic COVID-19 Chest X-ray Dataset for Computer-Aided Diagnosis [1.1501261942096426]
  データセットは21,295個の合成新型コロナウイルスの胸部X線画像からなり、コンピュータによる診断に使用される。 これらの画像は、教師なしのドメイン適応アプローチによって生成され、高品質である。
  論文  参考訳（メタデータ） (2021-06-17T18:39:15Z)
• Adaptive Feature Selection Guided Deep Forest for COVID-19 Classification with Chest CT [49.09507792800059]
  胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。 AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
  論文  参考訳（メタデータ） (2020-05-07T06:00:02Z)
• 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。