論文の概要: CheXphotogenic: Generalization of Deep Learning Models for Chest X-ray Interpretation to Photos of Chest X-rays

• arxiv url: http://arxiv.org/abs/2011.06129v1
• Date: Thu, 12 Nov 2020 00:16:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 06:49:06.868973
• Title: CheXphotogenic: Generalization of Deep Learning Models for Chest X-ray Interpretation to Photos of Chest X-rays
• Title（参考訳）: chexphotogenic: 胸部x線写真に対する胸部x線解釈のためのディープラーニングモデルの一般化
• Authors: Pranav Rajpurkar, Anirudh Joshi, Anuj Pareek, Jeremy Irvin, Andrew Y. Ng, Matthew Lungren
• Abstract要約: 胸部X線写真に適用した8種類の胸部X線モデルの診断成績を測定した。 いくつかのモデルは胸部X線写真に適用すると性能が低下するが、この低下にもかかわらず、一部のモデルは放射線学者に相容れない性能を示した。
• 参考スコア（独自算出の注目度）: 4.396061096553544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of smartphones to take photographs of chest x-rays represents an appealing solution for scaled deployment of deep learning models for chest x-ray interpretation. However, the performance of chest x-ray algorithms on photos of chest x-rays has not been thoroughly investigated. In this study, we measured the diagnostic performance for 8 different chest x-ray models when applied to photos of chest x-rays. All models were developed by different groups and submitted to the CheXpert challenge, and re-applied to smartphone photos of x-rays in the CheXphoto dataset without further tuning. We found that several models had a drop in performance when applied to photos of chest x-rays, but even with this drop, some models still performed comparably to radiologists. Further investigation could be directed towards understanding how different model training procedures may affect model generalization to photos of chest x-rays.
• Abstract（参考訳）: 胸部X線写真撮影におけるスマートフォンの利用は,胸部X線解釈のための深部学習モデルの大規模展開のための魅力的なソリューションである。 しかし,胸部x線写真における胸部x線アルゴリズムの性能は十分に検討されていない。 本研究では,胸部X線写真に適用した8種類の胸部X線モデルの診断性能を測定した。 すべてのモデルは異なるグループによって開発され、chexpert challengeに提出され、chexphotoデータセット内のx線のスマートフォン写真に再適用された。 胸部X線写真に適用すると,いくつかのモデルの性能低下が認められたが,この値が下がったとしても,放射線学者には相容れないモデルが存在する。 さらなる研究は、異なるモデルトレーニング手順が胸部x線写真に対するモデル一般化にどのように影響するかを理解するために行われる。

関連論文リスト

• Radiative Gaussian Splatting for Efficient X-ray Novel View Synthesis [88.86777314004044]
  我々は,X線ノベルビュー可視化のための3次元ガウシアンスプラッティングに基づくフレームワーク,すなわちX-ガウシアンを提案する。 実験の結果,X-Gaussianは6.5dBの最先端手法より優れており,トレーニング時間は15%未満であり,推論速度は73倍であることがわかった。
  論文  参考訳（メタデータ） (2024-03-07T00:12:08Z)
• Chest X-ray Image Classification: A Causal Perspective [49.87607548975686]
  本稿では,CXR分類問題に対処する因果的アプローチを提案し,構造因果モデル(SCM)を構築し,CXR分類に有効な視覚情報を選択するためにバックドア調整を用いる。 実験の結果,提案手法はオープンソースNIH ChestX-ray14の分類性能に優れていた。
  論文  参考訳（メタデータ） (2023-05-20T03:17:44Z)
• Artificial Intelligence for Automatic Detection and Classification Disease on the X-Ray Images [0.0]
  本研究では,Deep Learning Pre-trained RepVGGアルゴリズムを用いて肺疾患の迅速検出を行う。 我々は、人の肺の患部の自動ハイライト検出に人工知能技術を適用している。
  論文  参考訳（メタデータ） (2022-11-14T03:51:12Z)
• Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New Benchmark Study [75.05049024176584]
  胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。 我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。 このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
  論文  参考訳（メタデータ） (2022-08-29T04:34:15Z)
• Contrastive Attention for Automatic Chest X-ray Report Generation [124.60087367316531]
  ほとんどの場合、正常領域が胸部X線像全体を支配し、これらの正常領域の対応する記述が最終報告を支配している。 本稿では,現在の入力画像と通常の画像を比較してコントラスト情報を抽出するContrastive Attention(CA)モデルを提案する。 2つの公開データセットで最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-06-13T11:20:31Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• CheXternal: Generalization of Deep Learning Models for Chest X-ray Interpretation to Photos of Chest X-rays and External Clinical Settings [6.133159722996137]
  胸部X線および外部データセットのスマートフォン写真に適用した8種類の胸部X線モデルの診断性能を測定した。 胸部X線写真では、すべての8モデルが統計的に重要なタスクパフォーマンスの低下を経験しました。 一部の胸部X線モデルは、臨床的に関連する分布シフトの下で、放射線学者に匹敵するが、他のモデルはそうではなかった。
  論文  参考訳（メタデータ） (2021-02-17T09:58:14Z)
• Pneumonia Detection on Chest X-ray using Radiomic Features and Contrastive Learning [26.031452674698787]
  胸部X線における肺炎の検出に放射線学的特徴と造影学習を活用した新しい枠組みを提案する。 rsna肺炎検出チャレンジデータセットの実験により,いくつかの最先端モデルに優れた結果が得られた。
  論文  参考訳（メタデータ） (2021-01-12T02:52:24Z)
• Learning Invariant Feature Representation to Improve Generalization across Chest X-ray Datasets [55.06983249986729]
  我々は、トレーニングデータと同じデータセットでテストすると、ディープラーニングモデルが、異なるソースからデータセットでテストされると、パフォーマンスが低下し始めることを示す。 対戦型トレーニング戦略を用いることで、ネットワークはソース不変表現を学習せざるを得ないことを示す。
  論文  参考訳（メタデータ） (2020-08-04T07:41:15Z)
• Searching for Pneumothorax in Half a Million Chest X-Ray Images [0.0]
  気胸(Pneumothorax)は、胸部X線で経験豊富な放射線医によって検出される致命的な疾患である。 本研究では,胸部X線画像から気胸を分類するための画像検索法について検討した。 胸部X線画像50万枚において,気胸のCBIRに深く事前訓練した特徴が有効であることを示す最初の研究である。
  論文  参考訳（メタデータ） (2020-07-30T13:03:52Z)
• CheXphoto: 10,000+ Photos and Transformations of Chest X-rays for Benchmarking Deep Learning Robustness [6.269757571876924]
  スマートフォン写真とCheXpertデータセットから採取した胸部X線の合成写真変換のデータセットであるCheXphotoを紹介した。 CheX Photo を生成するためには,(1) 異なる設定でデジタルX線を自動かつ手動で撮影し,(2) デジタルX線やX線フィルムのように見せることを目的とした,デジタルX線を合成変換する。 我々は,このデータセットを,胸部X線のスマートフォン写真に対する胸部X線自動解釈のためのディープラーニングアルゴリズムの堅牢性をテストするためのリソースとしてリリースする。
  論文  参考訳（メタデータ） (2020-07-13T05:37:00Z)

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。