論文の概要: Pneumothorax and chest tube classification on chest x-rays for detection
of missed pneumothorax
- arxiv url: http://arxiv.org/abs/2011.07353v1
- Date: Sat, 14 Nov 2020 18:06:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 13:56:21.035423
- Title: Pneumothorax and chest tube classification on chest x-rays for detection
of missed pneumothorax
- Title（参考訳）: 胸部X線による気胸と胸部管の分類による気胸の発見
- Authors: Benedikt Graf, Arkadiusz Sitek, Amin Katouzian, Yen-Fu Lu, Arun
Krishnan, Justin Rafael, Kirstin Small, Yiting Xie
- Abstract要約: 胸部気胸および胸部気胸の治療によく用いられる各種の胸部管を画像分類パイプラインで検出する。
多段階のアルゴリズムは肺の分節と肺気胸の分類に基づいており、気胸を含む可能性が最も高いパッチの分類を含む。
- 参考スコア（独自算出の注目度）: 1.181048306817215
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chest x-ray imaging is widely used for the diagnosis of pneumothorax and
there has been significant interest in developing automated methods to assist
in image interpretation. We present an image classification pipeline which
detects pneumothorax as well as the various types of chest tubes that are
commonly used to treat pneumothorax. Our multi-stage algorithm is based on lung
segmentation followed by pneumothorax classification, including classification
of patches that are most likely to contain pneumothorax. This algorithm
achieves state of the art performance for pneumothorax classification on an
open-source benchmark dataset. Unlike previous work, this algorithm shows
comparable performance on data with and without chest tubes and thus has an
improved clinical utility. To evaluate these algorithms in a realistic clinical
scenario, we demonstrate the ability to identify real cases of missed
pneumothorax in a large dataset of chest x-ray studies.
- Abstract（参考訳）: 胸部x線撮影は気胸の診断に広く用いられており、画像解釈を支援する自動化方法の開発にも大きな関心が寄せられている。
気胸の治療に用いられる各種胸管と同様に気胸を検知する画像分類パイプラインを提案する。
多段階のアルゴリズムは肺の分節と肺気胸の分類に基づいており、気胸を含む可能性が最も高いパッチの分類を含む。
このアルゴリズムは,オープンソースベンチマークデータセットを用いた気胸分類における技量評価を実現する。
従来の研究とは異なり、このアルゴリズムは胸管の有無と同等の性能を示し、臨床効果も向上している。
これらのアルゴリズムを現実的な臨床シナリオで評価するために,胸部x線研究の大規模データセットにおいて気胸の欠如例を同定する能力を示す。
関連論文リスト
- FA-Net: A Fuzzy Attention-aided Deep Neural Network for Pneumonia Detection in Chest X-Rays [28.319405767795047]
肺炎(Pneumonia)は、細菌、真菌、ウイルスによって引き起こされる呼吸器感染症である。
早期診断は有効治療の確保と生存率の向上に不可欠である。
胸部X線画像を用いた自動肺炎検出のためのコンピュータ支援診断システムを開発した。
論文 参考訳（メタデータ） (2024-06-21T13:08:40Z) - Prediction of Pneumonia and COVID-19 Using Deep Neural Networks [0.0]
胸部X線画像から肺炎を予測する機械学習手法を提案する。
DenseNet121は他のモデルより優れており、精度は99.58%である。
論文 参考訳（メタデータ） (2023-08-20T21:26:37Z) - 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) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Self-supervised deep convolutional neural network for chest X-ray
classification [0.0]
本研究では,ラベルのない胸部X線データセット上に事前訓練された自己監視型深部ニューラルネットワークを提案する。
4つの公開データセットで得られた結果は、私たちのアプローチが大量のラベル付きトレーニングデータを必要とせずに競争結果をもたらすことを示しています。
論文 参考訳（メタデータ） (2021-03-04T14:28:37Z) - 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) - Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。
このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。
本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
論文 参考訳（メタデータ） (2020-10-09T10:15:26Z) - 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) - Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。
コンピュータ支援診断システムは診断精度を向上させる可能性を示した。
本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
論文 参考訳（メタデータ） (2020-05-28T10:54:34Z) - 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)
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。