論文の概要: Accurate and Rapid Diagnosis of COVID-19 Pneumonia with Batch Effect Removal of Chest CT-Scans and Interpretable Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2011.11736v2
• Date: Fri, 8 Jan 2021 07:08:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 02:03:37.036001
• Title: Accurate and Rapid Diagnosis of COVID-19 Pneumonia with Batch Effect Removal of Chest CT-Scans and Interpretable Artificial Intelligence
• Title（参考訳）: 胸部CTスキャンのバッチ・エフェクト除去と解釈可能な人工知能によるCOVID-19肺炎の正確な診断と迅速診断
• Authors: Rassa Ghavami Modegh (1,2), Mehrab Hamidi (1,2), Saeed Masoudian (1), Amir Mohseni (1), Hamzeh Lotfalinezhad (1), Mohammad Ali Kazemi (3), Behnaz Moradi (3), Mahyar Ghafoori (4), Omid Motamedi (4), Omid Pournik (4), Kiara Rezaei-Kalantari (5), Amirreza Manteghinezhad (6,7), Shaghayegh Haghjooy Javanmard (6,7), Fateme Abdoli Nezhad (8), Ahmad Enhesari (8), Mohammad Saeed Kheyrkhah (9), Razieh Eghtesadi (10), Javid Azadbakht (11), Akbar Aliasgharzadeh (10), Mohammad Reza Sharif (12), Ali Khaleghi (13), Abbas Foroutan (14), Hossein Ghanaati (3), Hamed Dashti (1), Hamid R. Rabiee (1,2) ((1) AI-Med Group, AI Innovation Center, Sharif University of Technology, Tehran, Iran, (2) DML Lab, Department of Computer Engineering, Sharif University of Technology, Tehran, Iran, (3) Department of Radiology, Tehran University of Medical Sciences, Tehran, Iran, (4) Preventive Medicine and Public Health Research Center, Psychosocial Health Research Institute, Community and Family Medicine Department, School of Medicine, Iran University of Medical Sciences, Tehran, Iran, (5) Cardiovascular Medical and Research Center, Iran University of Medical Sciences, Tehran, Iran, (6) Applied Physiology Research Center, Isfahan Cardiovascular Research Institute, Isfahan, Iran, (7) University of Medical Science, Isfahan, Iran, (8) Kerman University of Medical Sciences, Kerman, Iran, (9) Research Institute of Animal Embryo Technology, Shahrekord University, Shahrekord, Iran, (10) Kashan University of Medical Sciences, Kashan, Iran, (11) Department of Radiology, Kashan University of Medical Sciences, Kashan, Iran, (12) Department of Pediatrics, Kashan University of Medical Sciences, Kashan, Iran, (13) Department of Computer Engineering, Imam Khomeini International University, Qazvin, Iran, (14) Shaheed Beheshti University of Medical Sciences, Medical Academy of Science, Tehran, Iran)
• Abstract要約: 我々は、健康な人、新型コロナウイルス患者、他の肺炎疾患患者をCTスキャン画像から識別する、解釈可能な新しいディープニューラルネットワークを設計した。 このモデルは97.75%と98.15%の感度に達し、87%と81.03%の特異性は、病気から健康な人々と他の病気から分離している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: COVID-19 is a virus with high transmission rate that demands rapid identification of the infected patients to reduce the spread of the disease. The current gold-standard test, Reverse-Transcription Polymerase Chain Reaction (RT-PCR), has a high rate of false negatives. Diagnosing from CT-scan images as a more accurate alternative has the challenge of distinguishing COVID-19 from other pneumonia diseases. Artificial intelligence can help radiologists and physicians to accelerate the process of diagnosis, increase its accuracy, and measure the severity of the disease. We designed a new interpretable deep neural network to distinguish healthy people, patients with COVID-19, and patients with other pneumonia diseases from axial lung CT-scan images. Our model also detects the infected areas and calculates the percentage of the infected lung volume. We first preprocessed the images to eliminate the batch effects of different devices, and then adopted a weakly supervised method to train the model without having any tags for the infected parts. We trained and evaluated the model on a large dataset of 3359 samples from 6 different medical centers. The model reached sensitivities of 97.75% and 98.15%, and specificities of 87% and 81.03% in separating healthy people from the diseased and COVID-19 from other diseases, respectively. It also demonstrated similar performance for 1435 samples from 6 different medical centers which proves its generalizability. The performance of the model on a large diverse dataset, its generalizability, and interpretability makes it suitable to be used as a reliable diagnostic system.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)は感染率の高いウイルスで、感染した患者を迅速に識別し、感染拡大を抑える必要がある。 現在のゴールド標準試験であるRT-PCR(Reverse-Transcription Polymerase Chain Reaction)は偽陰性率が高い。 より正確な代替手段としてCTスキャン画像から診断することは、新型コロナウイルスと他の肺炎疾患を区別する課題である。 人工知能は、放射線医や医師が診断のプロセスを加速し、その精度を高め、病気の重症度を測定するのに役立つ。 健康な人、新型コロナウイルス患者、および他の肺炎患者を軸線ctスキャン画像から区別する新しい解釈可能な深層ニューラルネットワークを設計した。 また, 本モデルでは感染部位を検出し, 肺体積のパーセンテージを計算する。 まず, 画像の事前処理を行い, 異なる装置のバッチ効果を除去し, 次いで, 感染部位のタグを持たずにモデルを訓練する弱い教師付き手法を採用した。 6つの医療センターから3359個のサンプルからなる大規模なデータセットでモデルをトレーニングし,評価した。 このモデルは97.75%と98.15%の感度に達し、87%と81.03%の特異性は、それぞれ他の疾患から健康な人々から分離している。 また、6つの医療センターから1435のサンプルに対して同様の性能を示し、その汎用性が証明された。 大規模データセットにおけるモデルの性能、その一般化性、解釈性は、信頼できる診断システムとしての使用に適している。

関連論文リスト

• A Novel Implementation of Machine Learning for the Efficient, Explainable Diagnosis of COVID-19 from Chest CT [0.0]
  本研究の目的は、胸部CTスキャンから新型コロナウイルスを機械学習で検出することである。 提案したモデルは0.927の総合精度と0.958の感度を得た。
  論文  参考訳（メタデータ） (2022-06-15T18:35:22Z)
• Improving Tuberculosis (TB) Prediction using Synthetically Generated Computed Tomography (CT) Images [0.17499351967216337]
  肺感染症はCT(Computed tomography)スキャンで診断され評価されることが多い。 異なるタイプの撮像方法であるX線は安価で、しばしばベッドサイドで利用でき、より広く利用することができるが、よりシンプルで2次元の画像を提供する。 我々は,X線画像からCT画像を生成することを学習するモデルに頼って,疾患の自動分類精度を向上させることができることを示す。
  論文  参考訳（メタデータ） (2021-09-23T16:35:15Z)
• Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
  我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。 この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
  論文  参考訳（メタデータ） (2021-05-14T11:59:47Z)
• 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)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Improving performance of CNN to predict likelihood of COVID-19 using chest X-ray images with preprocessing algorithms [0.3180570080674292]
  本研究は,胸部X線画像のコンピュータ支援診断手法の開発の可能性を示した。 8,474個の胸部X線画像のデータセットを使用して、CNNベースのCADスキームをトレーニングし、テストする。 検査結果は、3つのクラスを分類する際の総合的精度の94.0%、コビッドウイルスの感染者を検出する際の精度の98.6%を達成している。
  論文  参考訳（メタデータ） (2020-06-11T16:45:46Z)
• 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)
• JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
  新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。 感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。 本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
  論文  参考訳（メタデータ） (2020-04-15T12:30:40Z)
• Can AI help in screening Viral and COVID-19 pneumonia? [0.0]
  本研究の目的は,デジタル胸部X線画像からCOVID-19肺炎を自動的に検出するためのロバストな手法を提案することである。 このデータベースには423のCOVID-19、1485のウイルス性肺炎、1579の正常な胸部X線画像が含まれている。 両者の分類精度、精度、感度、特異性はそれぞれ99.7%、99.7%、99.55%、97.9%、97.95%、97.9%、98.8%であった。
  論文  参考訳（メタデータ） (2020-03-29T21:37:21Z)
• Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using Quantitative Features from Chest CT Images [54.919022945740515]
  本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。 ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。 新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
  論文  参考訳（メタデータ） (2020-03-26T15:49:32Z)

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。