論文の概要: Deep Metric Learning-based Image Retrieval System for Chest Radiograph
and its Clinical Applications in COVID-19
- arxiv url: http://arxiv.org/abs/2012.03663v1
- Date: Thu, 26 Nov 2020 03:16:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 12:26:40.362878
- Title: Deep Metric Learning-based Image Retrieval System for Chest Radiograph
and its Clinical Applications in COVID-19
- Title（参考訳）: 胸部X線写真のための深度学習に基づく画像検索システムとその新型コロナウイルス臨床応用
- Authors: Aoxiao Zhong, Xiang Li, Dufan Wu, Hui Ren, Kyungsang Kim, Younggon
Kim, Varun Buch, Nir Neumark, Bernardo Bizzo, Won Young Tak, Soo Young Park,
Yu Rim Lee, Min Kyu Kang, Jung Gil Park, Byung Seok Kim, Woo Jin Chung, Ning
Guo, Ittai Dayan, Mannudeep K. Kalra, Quanzheng Li
- Abstract要約: 胸部X線写真(CXR)は、新型コロナウイルス患者のトリアージ、診断、モニタリングにおいて重要な役割を担っている。
CXRの混合信号や非特異的信号を考えると、類似した画像と関連する臨床情報の両方を提供するCXRの画像検索モデルは、より臨床的に有意義である。
本研究では,深度学習に基づく新しいCXR画像検索モデルを開発する。
- 参考スコア（独自算出の注目度）: 12.584626589565522
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, deep learning-based image analysis methods have been widely
applied in computer-aided detection, diagnosis and prognosis, and has shown its
value during the public health crisis of the novel coronavirus disease 2019
(COVID-19) pandemic. Chest radiograph (CXR) has been playing a crucial role in
COVID-19 patient triaging, diagnosing and monitoring, particularly in the
United States. Considering the mixed and unspecific signals in CXR, an image
retrieval model of CXR that provides both similar images and associated
clinical information can be more clinically meaningful than a direct image
diagnostic model. In this work we develop a novel CXR image retrieval model
based on deep metric learning. Unlike traditional diagnostic models which aims
at learning the direct mapping from images to labels, the proposed model aims
at learning the optimized embedding space of images, where images with the same
labels and similar contents are pulled together. It utilizes multi-similarity
loss with hard-mining sampling strategy and attention mechanism to learn the
optimized embedding space, and provides similar images to the query image. The
model is trained and validated on an international multi-site COVID-19 dataset
collected from 3 different sources. Experimental results of COVID-19 image
retrieval and diagnosis tasks show that the proposed model can serve as a
robust solution for CXR analysis and patient management for COVID-19. The model
is also tested on its transferability on a different clinical decision support
task, where the pre-trained model is applied to extract image features from a
new dataset without any further training. These results demonstrate our deep
metric learning based image retrieval model is highly efficient in the CXR
retrieval, diagnosis and prognosis, and thus has great clinical value for the
treatment and management of COVID-19 patients.
- Abstract（参考訳）: 近年,深層学習に基づく画像解析手法が,コンピュータ支援による検出,診断,予後に広く応用され,新型コロナウイルス(covid-19)パンデミックの公衆衛生危機においてその価値が示された。
胸部X線写真(CXR)は、特に米国では、新型コロナウイルス患者のトリアージ、診断、モニタリングにおいて重要な役割を果たしている。
CXRの混合信号や非特異信号を考えると、類似画像と関連する臨床情報の両方を提供するCXRの画像検索モデルは、直接画像診断モデルよりも臨床的に有意義である。
本研究では,深層メトリック学習に基づく新しいcxr画像検索モデルを開発した。
画像からラベルへの直接マッピングを学習することを目的とした従来の診断モデルとは異なり、提案モデルは画像の埋め込み空間を最適化することを目的としており、同じラベルと類似した内容の画像をまとめる。
ハードマイニングサンプリング戦略とアテンションメカニズムを用いて、最適化された埋め込み空間を学習し、クエリ画像に類似した画像を提供する。
このモデルは、3つの異なるソースから収集された国際的な多サイトcovid-19データセットでトレーニングされ、検証される。
COVID-19画像検索および診断タスクの実験結果から、CXR分析および患者管理のための堅牢なソリューションとして提案されたモデルが有効であることが示された。
このモデルは、新しいデータセットからさらなるトレーニングなしで画像の特徴を抽出するために事前訓練されたモデルを適用する、別の臨床判断支援タスクで転送可能性についてもテストされる。
これらの結果は,CXRの検索,診断,予後において,深層学習に基づく画像検索モデルが極めて効率的であることを示し,COVID-19患者の治療・管理に非常に有用であることを示す。
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) - Multi-Feature Vision Transformer via Self-Supervised Representation
Learning for Improvement of COVID-19 Diagnosis [2.3513645401551333]
CXR画像からのCOVID-19感染症の診断における自己教師型学習の有効性について検討した。
我々は、元のCXR画像とそれに対応する拡張されたローカル位相CXR画像から情報を学ぶために、クロスアテンション機構をデプロイする。
局所位相に基づく拡張CXR画像を活用することで,ベースライン型自己教師学習モデルの性能をさらに向上できることを示す。
論文 参考訳（メタデータ） (2022-08-03T05:02:47Z) - Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case
Study on COVID-19 Chest X-ray Image [3.135883872525168]
胸部X線(CXR)やCT(CT)などの画像検査は、臨床スタッフに有用な情報を提供することができる。
深層学習は、新型コロナウイルス感染症領域のセグメンテーションと疾患分類の実行に応用されている。
本研究では,バッジ深層学習とモデル校正を統合した新しいアンサンブル深層学習モデルを提案する。
論文 参考訳（メタデータ） (2022-05-27T20:06:45Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Learning from Pseudo Lesion: A Self-supervised Framework for COVID-19
Diagnosis [22.54540093657541]
コロナウイルス感染症2019(COVID-19)は、2019年12月の報告以来、世界中で急速に拡大している。
近年、ディープラーニングに基づくアプローチは、無数の画像認識タスクにおいて顕著なパフォーマンスを示している。
本報告では, 疑似病変の発生と回復に基づく自己指導型事前訓練法を提案する。
論文 参考訳（メタデータ） (2021-06-23T11:21:30Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - 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) - 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) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-12T16:24:59Z)
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。