論文の概要: Bifurcated Autoencoder for Segmentation of COVID-19 Infected Regions in CT Images

• arxiv url: http://arxiv.org/abs/2011.00631v1
• Date: Sun, 1 Nov 2020 21:32:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 23:57:04.802986
• Title: Bifurcated Autoencoder for Segmentation of COVID-19 Infected Regions in CT Images
• Title（参考訳）: CT画像におけるCOVID-19感染領域の分離のためのバイフルケートオートエンコーダ
• Authors: Parham Yazdekhasty, Ali Zindar, Zahra Nabizadeh-ShahreBabak, Roshank Roshandel, Pejman Khadivi, Nader Karimi, Shadrokh Samavi
• Abstract要約: 新型コロナウイルス感染症(COVID-19)は、新型コロナウイルスの感染拡大で2020年初め以降、世界に衝撃を与えている。 この文脈では、ディープラーニングと畳み込みニューラルネットワークが画像解析に使われてきた。 本論文は、新型コロナウイルス感染症の肺領域を分画し、心臓科医がより正確に、より速く、より管理しやすいようにする方法を提案する。
• 参考スコア（独自算出の注目度）: 8.122848195290743
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The new coronavirus infection has shocked the world since early 2020 with its aggressive outbreak. Rapid detection of the disease saves lives, and relying on medical imaging (Computed Tomography and X-ray) to detect infected lungs has shown to be effective. Deep learning and convolutional neural networks have been used for image analysis in this context. However, accurate identification of infected regions has proven challenging for two main reasons. Firstly, the characteristics of infected areas differ in different images. Secondly, insufficient training data makes it challenging to train various machine learning algorithms, including deep-learning models. This paper proposes an approach to segment lung regions infected by COVID-19 to help cardiologists diagnose the disease more accurately, faster, and more manageable. We propose a bifurcated 2-D model for two types of segmentation. This model uses a shared encoder and a bifurcated connection to two separate decoders. One decoder is for segmentation of the healthy region of the lungs, while the other is for the segmentation of the infected regions. Experiments on publically available images show that the bifurcated structure segments infected regions of the lungs better than state of the art.
• Abstract（参考訳）: 新型コロナウイルスの感染拡大を受け、世界は2020年初頭から打撃を受けている。 この疾患の迅速検出は、生命を救い、感染した肺を検出するための医用画像(Computed Tomography と X-ray)に頼っていることが判明した。 この文脈では、ディープラーニングと畳み込みニューラルネットワークが画像解析に使われている。 しかし,2つの主な理由から,感染部位の正確な同定が困難であることが証明されている。 まず,感染領域の特徴は画像によって異なる。 第二に、トレーニングデータが不十分なため、ディープラーニングモデルを含むさまざまな機械学習アルゴリズムのトレーニングが困難になる。 本稿では, 心臓科医がより正確に, より速く, より管理しやすい疾患を診断するために, 新型コロナウイルスに感染した肺領域を分割する手法を提案する。 2種類のセグメンテーションに対する分岐2次元モデルを提案する。 このモデルは共有エンコーダと2つの別々のデコーダとの分岐接続を使用する。 1つのデコーダは肺の健康な領域のセグメンテーション用であり、もう1つは感染した領域のセグメンテーション用である。 公開された画像での実験では、分岐した構造のセグメントが肺の領域に感染し、最先端の技術よりも優れていることが示されている。

関連論文リスト

• CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients [57.31670527557228]
  本稿では,レプロシー患者のRGB創傷画像の拡張コレクションであるCO2Wounds-V2データセットについて紹介する。 医療分野における画像処理アルゴリズムの開発とテストを強化することを目的としている。
  論文  参考訳（メタデータ） (2024-08-20T13:21:57Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Segmentation of Lungs COVID Infected Regions by Attention Mechanism and Synthetic Data [10.457311689444769]
  本研究は,感染した肺領域をCT画像に分割する手法を提案する。 注意機構を備えた畳み込みニューラルネットワークを用いて、複雑なパターンを持つ感染領域を検出する。 生成敵対ネットワークは、利用可能な小さなデータセットのデータの増大及び拡張のための合成画像を生成する。
  論文  参考訳（メタデータ） (2021-08-19T20:15:47Z)
• CHS-Net: A Deep learning approach for hierarchical segmentation of COVID-19 infected CT images [0.6091702876917281]
  新型重症急性呼吸器症候群(SARS-CoV-2)のパンデミックが世界中で広がっています。 CT(Computerd Tomography)、X線などの医療画像は、臓器の構造に関する優れた詳細を提示することにより、患者の診断に重要な役割を果たします。 ディープラーニング技術は、新型コロナウイルスなどの疾患やウイルスの迅速な診断を支援するために、そのようなスキャンを分析する強みを示しています。
  論文  参考訳（メタデータ） (2020-12-13T15:02:05Z)
• Classification and Region Analysis of COVID-19 Infection using Lung CT Images and Deep Convolutional Neural Networks [0.8224695424591678]
  本研究は、肺CT画像中のCOVID-19感染領域を記述するための2段階の深層畳み込みニューラルネットワーク(CNN)に基づくフレームワークを提案する。 第1段階では、2段階の離散ウェーブレット変換を用いて、COVID-19特異的CT画像の特徴を増強する。 これらの拡張CT画像は、提案したカスタムメイドの深部CoV-CTNetを用いて分類される。 第2段階では、新型コロナウイルス感染症領域の同定と解析のためのセグメンテーションモデルに、感染画像として分類されたCT画像を提供する。
  論文  参考訳（メタデータ） (2020-09-16T02:28:46Z)
• DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
  本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。 我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。 皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
  論文  参考訳（メタデータ） (2020-08-19T06:02:46Z)
• An encoder-decoder-based method for COVID-19 lung infection segmentation [3.561478746634639]
  本稿では,CTスキャン画像を用いた多タスク深層学習による肺感染症セグメンテーションを提案する。 提案手法は,データやラベル付き画像が不足していても,肺感染症を高いパフォーマンスで分離することができる。
  論文  参考訳（メタデータ） (2020-07-02T04:02:03Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• 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)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。