論文の概要: Diagnosis/Prognosis of COVID-19 Images: Challenges, Opportunities, and
Applications
- arxiv url: http://arxiv.org/abs/2012.14106v1
- Date: Mon, 28 Dec 2020 05:38:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-24 17:44:17.339308
- Title: Diagnosis/Prognosis of COVID-19 Images: Challenges, Opportunities, and
Applications
- Title（参考訳）: 新型コロナウイルス画像の診断・診断 : 課題, 機会, 応用
- Authors: Arash Mohammadi, Yingxu Wang, Nastaran Enshaei, Parnian Afshar,
Farnoosh Naderkhani, Anastasia Oikonomou, Moezedin Javad Rafiee, Helder C. R.
Oliveira, Svetlana Yanushkevich, and Konstantinos N. Plataniotis
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 27.46013010011658
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The novel Coronavirus disease, COVID-19, has rapidly and abruptly changed the
world as we knew in 2020. It becomes the most unprecedent challenge to analytic
epidemiology in general and signal processing theories in specific. Given its
high contingency nature and adverse effects across the world, it is important
to develop efficient processing/learning models to overcome this pandemic and
be prepared for potential future ones. In this regard, medical imaging plays an
important role for the management of COVID-19. Human-centered interpretation of
medical images is, however, tedious and can be subjective. This has resulted in
a surge of interest to develop Radiomics models for analysis and interpretation
of medical images. Signal Processing (SP) and Deep Learning (DL) models can
assist in development of robust Radiomics solutions for diagnosis/prognosis,
severity assessment, treatment response, and monitoring of COVID-19 patients.
In this article, we aim to present an overview of the current state,
challenges, and opportunities of developing SP/DL-empowered models for
diagnosis (screening/monitoring) and prognosis (outcome prediction and severity
assessment) of COVID-19 infection. More specifically, the article starts by
elaborating the latest development on the theoretical framework of analytic
epidemiology and hypersignal processing for COVID-19. Afterwards, imaging
modalities and Radiological characteristics of COVID-19 are discussed.
SL/DL-based Radiomic models specific to the analysis of COVID-19 infection are
then described covering the following four domains: Segmentation of COVID-19
lesions; Predictive models for outcome prediction; Severity assessment, and;
Diagnosis/classification models. Finally, open problems and opportunities are
presented in detail.
- Abstract（参考訳）: 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、将来に備えるための効率的な処理/学習モデルを開発することが重要である。
この点において、医療画像はcovid-19の管理において重要な役割を担っている。
しかし、人間中心の医療画像の解釈は退屈であり、主観的である。
この結果、医学画像の分析と解釈のためのRadiomicsモデルの開発への関心が高まった。
信号処理(SP)とディープラーニング(DL)モデルは、診断・予後、重症度評価、治療反応、および新型コロナウイルス患者のモニタリングのための堅牢な放射能ソリューションの開発を支援する。
本稿では、新型コロナウイルスの診断(スクリーニング/モニタリング)と予後(アウトカム予測と重症度評価)のためのsp/dl-empoweredモデルの開発の現状、課題、機会について概説する。
より具体的には、この記事は、COVID-19の分析疫学と超信号処理の理論的枠組みに関する最新の開発から始まる。
その後、covid-19のイメージングモダリティと放射線学的特徴について論じる。
次に、sl/dlに基づくcovid-19感染の解析に関する放射線モデルについて、covid-19病変の分節化、アウトカム予測の予測モデル、重症度評価、診断/分類モデルという4つの領域について述べる。
最後に、オープンな問題と機会を詳細に示す。
関連論文リスト
- A Survey of Deep Learning Techniques for the Analysis of COVID-19 and
their usability for Detecting Omicron [0.24466725954625884]
2019年12月のコロナウイルス(COVID-19)の流行は、世界中で人間の脅威となっている。
深層学習 (DL) 技術は, 放射線画像における感染領域の解析とデライン化に, タイムリーに有効であることが証明された。
本稿では,DL手法の詳細な調査を行い,診断戦略と学習アプローチに基づく分類法について述べる。
論文 参考訳（メタデータ） (2022-02-13T17:44:33Z) - 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) - COVID-Net CT-S: 3D Convolutional Neural Network Architectures for
COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。
3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
論文 参考訳（メタデータ） (2021-05-04T04:44:41Z) - COVID-Net CXR-S: Deep Convolutional Neural Network for Severity
Assessment of COVID-19 Cases from Chest X-ray Images [74.77272804752306]
胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。
患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。
提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
論文 参考訳（メタデータ） (2021-05-01T14:15:12Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳（メタデータ） (2021-04-06T02:01:43Z) - 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) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - Deep Learning in Detection and Diagnosis of Covid-19 using Radiology
Modalities: A Systematic Review [0.0]
Covid-19の早期発見と診断は、Covid-19の流行の主な課題の1つです。
医学とコンピュータの研究者は、放射線画像の分析に機械学習モデルを使う傾向があった。
ディープラーニングベースモデルには、Covid-19の検出と診断のための正確で効率的なシステムを実現する並外れた能力があります。
論文 参考訳（メタデータ） (2020-12-21T18:54:01Z) - Checklist for responsible deep learning modeling of medical images based
on COVID-19 detection studies [2.280298858971133]
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。
論文 参考訳（メタデータ） (2020-12-11T18:42:46Z) - Ultrasound Diagnosis of COVID-19: Robustness and Explainability [1.2183405753834557]
新型コロナウイルスの診断は、世界的なパンデミックの封じ込めに不可欠だ。
これまでの研究では、POCUSビデオの公開データセットを使用して、高感度の診断のためのAIモデルをトレーニングしてきた。
高利得の応用のため、我々は堅牢で説明可能な手法を提案する。
論文 参考訳（メタデータ） (2020-11-30T20:26:39Z)
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。