論文の概要: Checklist for responsible deep learning modeling of medical images based
on COVID-19 detection studies
- arxiv url: http://arxiv.org/abs/2012.08333v3
- Date: Fri, 23 Apr 2021 23:00:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 03:04:54.060189
- Title: Checklist for responsible deep learning modeling of medical images based
on COVID-19 detection studies
- Title（参考訳）: 新型コロナウイルス検出研究に基づく医用画像の深層学習モデル作成のためのチェックリスト
- Authors: Weronika Hryniewska, Przemys{\l}aw Bombi\'nski, Patryk Szatkowski,
Paulina Tomaszewska, Artur Przelaskowski, Przemys{\l}aw Biecek
- Abstract要約: 新型コロナウイルス(COVID-19)の急激な流行と感染拡大は、現在最も重要な世界的な問題の一つだ。
短期間で、説明可能性のためのモジュールを備えたCOVID-19検出のための多くのディープニューラルネットワークモデルの開発につながった。
分析の結果,データ取得,モデル開発,説明構築の各段階で発生した多数の誤りが明らかになった。
- 参考スコア（独自算出の注目度）: 2.280298858971133
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The sudden outbreak and uncontrolled spread of COVID-19 disease is one of the
most important global problems today. In a short period of time, it has led to
the development of many deep neural network models for COVID-19 detection with
modules for explainability. In this work, we carry out a systematic analysis of
various aspects of proposed models. Our analysis revealed numerous mistakes
made at different stages of data acquisition, model development, and
explanation construction. In this work, we overview the approaches proposed in
the surveyed Machine Learning articles and indicate typical errors emerging
from the lack of deep understanding of the radiography domain. We present the
perspective of both: experts in the field - radiologists and deep learning
engineers dealing with model explanations. The final result is a proposed
checklist with the minimum conditions to be met by a reliable COVID-19
diagnostic model.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)の急激な流行と感染拡大は、現在最も重要な世界的な問題の一つだ。
短期間のうちに、covid-19検出のための多くのディープニューラルネットワークモデルの開発と、説明可能性のためのモジュールの開発につながった。
本研究では,提案モデルの様々な側面を体系的に分析する。
分析の結果,データ取得,モデル開発,説明構築の各段階における多くの誤りが明らかになった。
本稿では,調査対象の機械学習論文に提案されているアプローチを概説し,ラジオグラフィ領域の深い理解の欠如から生じる典型的な誤りを示す。
この分野の専門家である放射線技師と、モデル説明を扱うディープラーニングエンジニアの両方の視点を提示する。
最終結果は、信頼できるcovid-19診断モデルで満たすべき最小条件を備えた、提案されたチェックリストである。
関連論文リスト
- Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。
本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-07-08T09:08:42Z) - Robust and Interpretable Medical Image Classifiers via Concept
Bottleneck Models [49.95603725998561]
本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。
具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
論文 参考訳（メタデータ） (2023-10-04T21:57:09Z) - An Empirical Analysis for Zero-Shot Multi-Label Classification on
COVID-19 CT Scans and Uncurated Reports [0.5527944417831603]
パンデミックは、医学検査の増加により、放射線学の報告を含む、膨大な構造化されていないデータのリポジトリに繋がった。
新型コロナウイルスの自動診断に関するこれまでの研究は、CT(Computed tomography)スキャンと比較して精度が低いにもかかわらず、主にX線画像に焦点を当てていた。
本研究では,病院の非構造データを活用し,CTスキャンによって提供される細かな細部を利用して,対照的な視覚言語学習に基づくゼロショット多ラベル分類を行う。
論文 参考訳（メタデータ） (2023-09-04T17:58:01Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - COVID-view: Diagnosis of COVID-19 using Chest CT [14.039366815365288]
新型コロナウイルス検査(COVID-view)は、放射線科医が胸部CTデータから新型コロナウイルスを診断するための可視化アプリケーションである。
このシステムには、自動肺分割、肺異常の局所化と分離、可視化、視覚的およびDL分析、測定/定量化ツールの完全なパイプラインが組み込まれている。
論文 参考訳（メタデータ） (2021-08-09T04:19:25Z) - Hierarchical Analysis of Visual COVID-19 Features from Chest Radiographs [5.832030105874915]
我々は, 放射線学的決定プロセスと整合した, 人間の解釈可能なクラス階層を用いて, 放射線学的特徴をモデル化する。
実験により、モデル故障は、ICU撮像条件と非常に相関し、特定の種類の放射線学的特徴を識別することが本質的に困難であることが示されている。
論文 参考訳（メタデータ） (2021-07-14T11:37:28Z) - 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) - Diagnosis/Prognosis of COVID-19 Images: Challenges, Opportunities, and
Applications [27.46013010011658]
新型コロナウイルス(covid-19)は、われわれが2020年に知っていたように急速に世界を変えた。
これは一般には解析疫学や特定の信号処理理論に対する最も先行しない挑戦となる。
このパンデミックを克服し、将来の可能性に備えるために、効率的な処理/学習モデルを開発することが重要である。
論文 参考訳（メタデータ） (2020-12-28T05:38:44Z) - Artificial Intelligence for COVID-19 Detection -- A state-of-the-art
review [5.237999056930947]
新型コロナウイルスの出現は、適切な管理のために科学界の多くの努力を必要としている。
深層学習 (DL) と人工知能 (AI) の使用は、上記すべての領域で求められる。
グローバル緊急時の課題に対処するために、DLとAIを効果的に実装できることを評価することができる。
論文 参考訳（メタデータ） (2020-11-25T07:02:14Z) - Predicting Clinical Diagnosis from Patients Electronic Health Records
Using BERT-based Neural Networks [62.9447303059342]
医療コミュニティにおけるこの問題の重要性を示す。
本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。
約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
論文 参考訳（メタデータ） (2020-07-15T09:22:55Z) - 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)
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。