論文の概要: Screening COVID-19 Based on CT/CXR Images & Building a Publicly
Available CT-scan Dataset of COVID-19
- arxiv url: http://arxiv.org/abs/2012.14204v2
- Date: Tue, 29 Dec 2020 14:55:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-19 10:56:20.223129
- Title: Screening COVID-19 Based on CT/CXR Images & Building a Publicly
Available CT-scan Dataset of COVID-19
- Title(参考訳): CT/CXR画像に基づく新型コロナウイルスのスクリーニングと一般向けCTスキャンデータの構築
- Authors: Maryam Dialameh and Ali Hamzeh and Hossein Rahmani and Amir Reza
Radmard and Safoura Dialameh
- Abstract要約: 本研究は、1000人以上からなる13k以上のCT画像で構成され、新型コロナウイルスに感染した500人の患者から8kの画像を撮影する大規模なCTスキャンデータセットを構築した。
提案するCTデータセットを用いて,COVID-19をスクリーニングする深層学習モデルを提案し,その結果を報告する。
最後に、トランスファーラーニング手法を用いてCXR画像からCOVID-19をスクリーニングするCTモデルを拡張した。
- 参考スコア(独自算出の注目度): 6.142272540492935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid outbreak of COVID-19 threatens humans life all around the world.
Due to insufficient diagnostic infrastructures, developing an accurate,
efficient, inexpensive, and quick diagnostic tool is of great importance. As
chest radiography, such as chest X-ray (CXR) and CT computed tomography (CT),
is a possible way for screening COVID-19, developing an automatic image
classification tool is immensely helpful for detecting the patients with
COVID-19. To date, researchers have proposed several different screening
methods; however, none of them could achieve a reliable and highly sensitive
performance yet. The main drawbacks of current methods are the lack of having
enough training data, low generalization performance, and a high rate of
false-positive detection. To tackle such limitations, this study firstly builds
a large-size publicly available CT-scan dataset, consisting of more than 13k
CT-images of more than 1000 individuals, in which 8k images are taken from 500
patients infected with COVID-19. Secondly, we propose a deep learning model for
screening COVID-19 using our proposed CT dataset and report the baseline
results. Finally, we extend the proposed CT model for screening COVID-19 from
CXR images using a transfer learning approach. The experimental results show
that the proposed CT and CXR methods achieve the AUC scores of 0.886 and 0.984
respectively.
- Abstract(参考訳): 新型コロナウイルスの急激な流行は、世界中の人間の生命を脅かす。
診断インフラが不十分なため、正確で効率的で安価で迅速な診断ツールの開発が重要である。
胸部X線 (CXR) やCTCT (CT) などの胸部X線撮影は、新型コロナウイルスをスクリーニングする方法として考えられるため、自動画像分類ツールの開発は、COVID-19患者の検出に極めて有用である。
これまで、研究者はいくつかの異なるスクリーニング方法を提案してきたが、いずれも信頼性が高く高感度な性能を達成できなかった。
現在の方法の主な欠点は、十分なトレーニングデータがないこと、一般化性能が低いこと、偽陽性検出率が高いことである。
このような制限に対処するため、本研究ではまず、1000人以上からなる13k以上のCT画像からなる、大規模で公開可能なCTスキャンデータセットを構築した。
第2に,提案したCTデータセットを用いてCOVID-19をスクリーニングする深層学習モデルを提案し,その結果を報告する。
最後に,cxr画像からcovid-19をスクリーニングするためのctモデルをトランスファーラーニングアプローチで拡張した。
実験の結果,CT法とCXR法でそれぞれ0.886と0.984のスコアが得られた。
関連論文リスト
- COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest
X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。
CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。
我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
論文 参考訳(メタデータ) (2022-06-08T04:39:44Z) - COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset
for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。
COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。
我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
論文 参考訳(メタデータ) (2022-06-07T06:35:48Z) - Classification of COVID-19 Patients with their Severity Level from Chest
CT Scans using Transfer Learning [3.667495151642095]
新型コロナウイルスの感染拡大を受け、病院のベッドなど医療機器の需要が高まっている。
これを念頭に置いて、私たちは新型コロナウイルスの検出と、胸部CTスキャンとDeep Learning事前訓練モデルを用いて重症度を評価する研究を共有しています。
私たちのモデルは、新型コロナウイルスとその重症度を検出するのに役立ちます。
論文 参考訳(メタデータ) (2022-05-27T06:22:09Z) - A High-Resolution Chest CT-Scan Image Dataset for COVID-19 Diagnosis and
Differentiation [0.0]
新型コロナウイルスのパンデミックの間、CT(Computerd tomography)は新型コロナウイルスの患者を診断するのに良い方法だ。
公開でアクセス可能な新型コロナウイルスのCT画像データセットは、プライバシー上の懸念から入手するのが非常に難しい。
我々は、新しい新型コロナウイルス高解像度胸部CTスキャン画像データセットであるHRCTv1-COVID-19を導入した。
論文 参考訳(メタデータ) (2022-05-06T12:49:18Z) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳(メタデータ) (2021-11-16T15:03:42Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳(メタデータ) (2021-09-18T02:28:01Z) - COVID-Rate: An Automated Framework for Segmentation of COVID-19 Lesions
from Chest CT Scans [29.266579630983358]
パンデミック時代には、専門家の放射線学者による新型コロナウイルスの肺病変の視覚的評価と定量化が高価になり、エラーが生じる傾向にある。
専門医に注釈を付された82例のCT画像433点を含むオープンアクセス型COVID-19 CTセグメンテーションデータセットについて紹介する。
Deep Neural Network(DNN)ベースのフレームワークであるCOVID-Rateは、胸部CTスキャンからCOVID-19に関連する肺の異常を自律的に分離する。
論文 参考訳(メタデータ) (2021-07-04T03:19:43Z) - Generation of COVID-19 Chest CT Scan Images using Generative Adversarial
Networks [0.0]
SARS-CoV-2は、新型コロナウイルスに感染するウイルス性伝染病で、世界中で急速に広まっている。
拡散を減らすために人々をテストし、分離することが非常に重要であり、ここからは、これを迅速かつ効率的に行う必要がある。
いくつかの研究によると、Chest-CTは、新型コロナウイルス患者の診断において、現在の標準であるRT-PCR検査より優れている。
論文 参考訳(メタデータ) (2021-05-20T13:04:21Z) - A novel multiple instance learning framework for COVID-19 severity
assessment via data augmentation and self-supervised learning [64.90342559393275]
新型コロナウイルスの重症度を迅速かつ正確に評価する方法は、世界中の何百万人もの人々がパンデミックに苦しんでいる場合に必要不可欠な問題だ。
CT画像による新型コロナウイルスの重症度自動評価を妨害する可能性のある、弱いアノテーションと不十分なデータという2つの問題があることを観察する。
平均精度は95.8%で、感度は93.6%、特異性は96.4%で、前作より優れていた。
論文 参考訳(メタデータ) (2021-02-07T16:30:18Z) - Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。
深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。
そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
論文 参考訳(メタデータ) (2021-02-01T02:37:49Z) - COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19
from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。
説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。
結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
論文 参考訳(メタデータ) (2021-01-19T03:04:09Z)
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。