論文の概要: Triple-view Convolutional Neural Networks for COVID-19 Diagnosis with Chest X-ray

• arxiv url: http://arxiv.org/abs/2010.14091v1
• Date: Tue, 27 Oct 2020 06:15:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 12:40:56.025685
• Title: Triple-view Convolutional Neural Networks for COVID-19 Diagnosis with Chest X-ray
• Title（参考訳）: 胸部X線による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
• Authors: Jianjia Zhang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.956959549209676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Coronavirus Disease 2019 (COVID-19) is affecting increasingly large number of people worldwide, posing significant stress to the health care systems. Early and accurate diagnosis of COVID-19 is critical in screening of infected patients and breaking the person-to-person transmission. Chest X-ray (CXR) based computer-aided diagnosis of COVID-19 using deep learning becomes a promising solution to this end. However, the diverse and various radiographic features of COVID-19 make it challenging, especially when considering each CXR scan typically only generates one single image. Data scarcity is another issue since collecting large-scale medical CXR data set could be difficult at present. Therefore, how to extract more informative and relevant features from the limited samples available becomes essential. To address these issues, unlike traditional methods processing each CXR image from a single view, this paper proposes triple-view convolutional neural networks for COVID-19 diagnosis with CXR images. Specifically, the proposed networks extract individual features from three views of each CXR image, i.e., the left lung view, the right lung view and the overall view, in three streams and then integrate them for joint diagnosis. The proposed network structure respects the anatomical structure of human lungs and is well aligned with clinical diagnosis of COVID-19 in practice. In addition, the labeling of the views does not require experts' domain knowledge, which is needed by many existing methods. The experimental results show that the proposed method achieves state-of-the-art performance, especially in the more challenging three class classification task, and admits wide generality and high flexibility.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)は世界中の多くの人々に影響を与えており、医療システムに大きなストレスを与えている。 新型コロナウイルスの早期かつ正確な診断は、感染患者のスクリーニングと人対人感染の破壊に重要である。 胸部X線(CXR)をベースとした深層学習を用いた新型コロナウイルスのコンピュータ支援診断がこの目的に期待できる解決策となる。 しかし、新型コロナウイルスの多種多様な放射線写真の特徴は、特に各CXRスキャンでは通常1つの画像しか生成しない場合、難しい。 データ不足は、大規模な医療用CXRデータセットの収集が現在困難であるため、別の問題である。 したがって、利用可能な限られたサンプルからより情報的で関連性の高い特徴を抽出する方法が不可欠である。 これらの問題に対処するため、従来のCXR画像処理方法とは異なり、CXR画像を用いたCOVID-19診断のための3視点畳み込みニューラルネットワークを提案する。 特に,提案するネットワークは,各cxr画像の3つのビュー,すなわち左肺ビュー,右肺ビュー,全体ビューから個々の特徴を3つのストリームに抽出し,それらを統合して共同診断を行う。 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ており、実際にはcovid-19の臨床診断とよく一致している。 さらに、ビューのラベル付けは、多くの既存のメソッドで必要とされる専門家のドメイン知識を必要としない。 実験により, 提案手法は, 特に難易度の高い3クラス分類課題において, 最先端性能を実現し, 広範な一般化と高い柔軟性が認められた。

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)
• COVID-Net CT-S: 3D Convolutional Neural Network Architectures for COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
  我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。 3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
  論文  参考訳（メタデータ） (2021-05-04T04:44:41Z)
• 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)
• Fused Deep Convolutional Neural Network for Precision Diagnosis of COVID-19 Using Chest X-Ray Images [0.0]
  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。
  論文  参考訳（メタデータ） (2020-09-15T02:27:20Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• 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 Learning COVID-19 Features on CXR using Limited Training Data Sets [40.45289250518209]
  我々は、比較的少数のトレーニング可能なパラメータで新型コロナウイルスの診断を行うパッチベースの畳み込みニューラルネットワークアプローチを提案する。 実験の結果,本手法は最先端の性能を達成し,臨床的に解釈可能なサリエンシマップを提供することがわかった。
  論文  参考訳（メタデータ） (2020-04-13T03:44:42Z)
• 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。