論文の概要: Decision and Feature Level Fusion of Deep Features Extracted from Public
COVID-19 Data-sets
- arxiv url: http://arxiv.org/abs/2011.08528v1
- Date: Tue, 17 Nov 2020 09:36:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 16:30:40.370065
- Title: Decision and Feature Level Fusion of Deep Features Extracted from Public
COVID-19 Data-sets
- Title（参考訳）: 公開型COVID-19データセットから抽出した深部特徴量の決定と特徴量融合
- Authors: Hamza Osman Ilhan, Gorkem Serbes, Nizamettin Aydin
- Abstract要約: 新型コロナウイルスの早期診断において、胸部X線撮影の使用が増加している。
畳み込みニューラルネットワーク(CNN)を用いたX線画像のコンピュータ支援診断システムを提案する。
実験結果から,提案手法は新型コロナウイルス検出性能が高かったことが示唆された。
- 参考スコア（独自算出の注目度）: 6.445605125467574
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Coronavirus (COVID-19), which is an infectious pulmonary disorder, has
affected millions of people and has been declared as a global pandemic by the
WHO. Due to highly contagious nature of COVID-19 and its high possibility of
causing severe conditions in the patients, the development of rapid and
accurate diagnostic tools have gained importance. The real-time reverse
transcription-polymerize chain reaction (RT-PCR) is used to detect the presence
of Coronavirus RNA by using the mucus and saliva mixture samples. But, RT-PCR
suffers from having low-sensitivity especially in the early stage. Therefore,
the usage of chest radiography has been increasing in the early diagnosis of
COVID-19 due to its fast imaging speed, significantly low cost and low dosage
exposure of radiation. In our study, a computer-aided diagnosis system for
X-ray images based on convolutional neural networks (CNNs), which can be used
by radiologists as a supporting tool in COVID-19 detection, has been proposed.
Deep feature sets extracted by using CNNs were concatenated for feature level
fusion and fed to multiple classifiers in terms of decision level fusion idea
with the aim of discriminating COVID-19, pneumonia and no-finding classes. In
the decision level fusion idea, a majority voting scheme was applied to the
resultant decisions of classifiers. The obtained accuracy values and confusion
matrix based evaluation criteria were presented for three progressively created
data-sets. The aspects of the proposed method that are superior to existing
COVID-19 detection studies have been discussed and the fusion performance of
proposed approach was validated visually by using Class Activation Mapping
technique. The experimental results show that the proposed approach has
attained high COVID-19 detection performance that was proven by its comparable
accuracy and superior precision/recall values with the existing studies.
- Abstract（参考訳）: 感染性肺疾患であるコロナウイルス(COVID-19)は何百万人もの人々に影響を与え、WHOによる世界的なパンデミックと宣言されている。
新型コロナウイルスの感染性が高く、患者に重篤な症状を引き起こす可能性が高く、迅速かつ正確な診断ツールの開発が重要視されている。
リアルタイム逆転写重合鎖反応(RT-PCR)は、粘液と唾液の混合物を用いてコロナウイルスRNAの存在を検出するために用いられる。
しかし、RT-PCRは特に初期において低感度である。
そのため, 胸部x線撮影は, 画像撮影速度の速さ, 著明なコスト低減, 放射線照射量の減少などにより, 早期診断において増加している。
本研究では,畳み込みニューラルネットワーク(cnns)に基づくx線画像のコンピュータ支援診断システムを提案する。
CNNを用いて抽出した深部特徴集合を特徴レベル融合に連結し, 新型コロナウイルス, 肺炎, ノンフィンディングのクラスを識別する目的で, 判定レベル融合のアイデアとして複数の分類器に供給した。
決定レベルの融合の考え方では、多数決方式が分類器の結果決定に適用された。
得られた精度値と混乱行列に基づく評価基準を3つの段階的に生成したデータセットに対して提示した。
既存のcovid-19検出研究よりも優れた手法の側面について検討し, クラス活性化マッピング手法を用いて, 提案手法の融合性能を視覚的に検証した。
実験の結果,既存の研究と同等の精度と高い精度/リコール値で証明された高いcovid-19検出性能が得られた。
関連論文リスト
- 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) - A novel framework based on deep learning and ANOVA feature selection
method for diagnosis of COVID-19 cases from chest X-ray Images [0.0]
新型コロナウイルスは武漢で最初に確認され、急速に世界中に広がった。
最もアクセスしやすい方法はRT-PCRである。
RT-PCRと比較すると,胸部CTと胸部X線像が優れた結果を示した。
DenseNet169はX線画像から特徴を抽出するために使用された。
論文 参考訳（メタデータ） (2021-09-30T16:10:31Z) - The pitfalls of using open data to develop deep learning solutions for
COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。
オープンソースデータのトレーニングやテストでは,結果は異例です。
データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文 参考訳（メタデータ） (2021-09-14T10:59:11Z) - COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep
Convolutional Neural Network Design for Detection of COVID-19 Patient Cases
from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型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 USを紹介した。
実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。
リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文 参考訳（メタデータ） (2021-08-05T16:47:33Z) - COVID-Net CXR-2: An Enhanced Deep Convolutional Neural Network Design
for Detection of COVID-19 Cases from Chest X-ray Images [58.35627258364233]
RT-PCR検査への無料スクリーニング戦略として胸部X線(CXR)イメージングの使用は成長し続けています。
我々は、CXR画像からCOVID-19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 CXR-2を紹介する。
ベンチマークデータセットは、少なくとも51カ国16,656人の多国籍コホートから19,203個のCXR画像で構成された。
論文 参考訳（メタデータ） (2021-05-14T04:29:21Z) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳（メタデータ） (2021-05-04T19:01:40Z) - RCoNet: Deformable Mutual Information Maximization and High-order
Uncertainty-aware Learning for Robust COVID-19 Detection [12.790651338952005]
2019年のコロナウイルス(COVID-19)感染は世界中に広まり、現在、世界中で大きな医療課題となっている。
胸部X線(CXR)画像中のCOVID-19の検出はCTよりも高速で低コストであり, 診断, 評価, 治療に有用である。
Em Deformable Mutual Information Maximization (DeIM), em Mixed High-order Moment Feature (MMMF) と em Multi- を併用した,ロバストな COVID-19 検出のための新しいディープネットワークである em RCoNet$k_s$ を提案する。
論文 参考訳（メタデータ） (2021-02-22T15:13:42Z) - COV-ELM classifier: An Extreme Learning Machine based identification of
COVID-19 using Chest X-Ray Images [1.6933326930404444]
本稿では,新型コロナウイルスの分類問題として,新型コロナウイルス,正常クラス,肺炎クラスを区別する3クラス分類問題を提案する。
提案モデルのマクロ平均F1スコアは0.95で、全体の感度は95%の信頼区間で0.94 pm 0.02であった。
このスーパーピクセルは、COVID-19および肺炎の臨床的に観察されるヒト肺の領域に対応することが観察された。
論文 参考訳（メタデータ） (2020-07-16T21:03:22Z) - 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) - 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 for Screening COVID-19 using Chest X-Ray Images [0.2062593640149623]
深層ニューラルネットワークを学習するためのドメイン拡張伝達学習(DETL)という新しい概念を提案する。
我々は、トレーニング済みの深部畳み込みニューラルネットワークを持つDETLを、関連する大きな胸部X線データセットに採用する。
胸部X線による新型コロナウイルスの診断の可能性を評価するため、5倍のクロスバリデーションを行う。
論文 参考訳（メタデータ） (2020-04-22T11:41:50Z)
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。