論文の概要: COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19
from Chest CT Images Through Bigger, More Diverse Learning
- arxiv url: http://arxiv.org/abs/2101.07433v2
- Date: Tue, 26 Jan 2021 13:51:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 11:25:50.409868
- Title: COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19
from Chest CT Images Through Bigger, More Diverse Learning
- Title（参考訳）: COVID-Net CT-2: 胸部CT画像からより大きく、より多様な学習を通してウイルスを検出するためのディープニューラルネットワーク
- Authors: Hayden Gunraj, Ali Sabri, David Koff, and Alexander Wong
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 70.92379567261304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The COVID-19 pandemic continues to rage on, with multiple waves causing
substantial harm to health and economies around the world. Motivated by the use
of CT imaging at clinical institutes around the world as an effective
complementary screening method to RT-PCR testing, we introduced COVID-Net CT, a
neural network tailored for detection of COVID-19 cases from chest CT images as
part of the open source COVID-Net initiative. However, one potential limiting
factor is restricted quantity and diversity given the single nation patient
cohort used. In this study, we introduce COVID-Net CT-2, enhanced deep neural
networks for COVID-19 detection from chest CT images trained on the largest
quantity and diversity of multinational patient cases in research literature.
We introduce two new CT benchmark datasets, the largest comprising a
multinational cohort of 4,501 patients from at least 15 countries. We leverage
explainability to investigate the decision-making behaviour of COVID-Net CT-2,
with the results for select cases reviewed and reported on by two
board-certified radiologists with over 10 and 30 years of experience,
respectively. The COVID-Net CT-2 neural networks achieved accuracy, COVID-19
sensitivity, PPV, specificity, and NPV of 98.1%/96.2%/96.7%/99%/98.8% and
97.9%/95.7%/96.4%/98.9%/98.7%, respectively. Explainability-driven performance
validation shows that COVID-Net CT-2's decision-making behaviour is consistent
with radiologist interpretation by leveraging correct, clinically relevant
critical factors. The results are promising and suggest the strong potential of
deep neural networks as an effective tool for computer-aided COVID-19
assessment. While not a production-ready solution, we hope the open-source,
open-access release of COVID-Net CT-2 and benchmark datasets will continue to
enable researchers, clinicians, and citizen data scientists alike to build upon
them.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは引き続き激化しており、複数の波が世界中の健康や経済に大きな打撃を与えている。
RT-PCR検査に有効な補完的スクリーニング法として,世界中の臨床施設でCTイメージングを応用して,オープンソースのCOVID-Netイニシアチブの一環として,胸部CT画像から新型コロナウイルスの検出に適したニューラルネットワークであるCOVID-Net CTを導入した。
しかしながら、1つの潜在的な制限要因は、単一国の患者コホートが使用した量と多様性である。
本研究では,研究論文における多国籍患者の最大量および多様性を訓練した胸部CT画像から,深部神経ネットワークを増強したCOVID-Net CT-2を導入する。
我々は,少なくとも15か国から4,501人の患者からなる多国籍コホートを含む2つのctベンチマークデータセットを紹介する。
当院で10年以上経験した放射線科医2名による検査・報告の結果をもとに,ct-2の意思決定行動について,説明可能性を活用して検討を行った。
COVID-Net CT-2ニューラルネットワークは、それぞれ98.1%/96.2%/96.7%/99%/98.8%、97.9%/95.7%/96.4%/98.9%/98.7%の精度を達成した。
説明可能性によるパフォーマンス検証は、COVID-Net CT-2の判定行動が、正しい臨床的に重要な要因を活用することで、放射線学の解釈と一致していることを示している。
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。
プロダクション対応のソリューションではないが、COVID-Net CT-2とベンチマークデータセットのオープンソースリリースにより、研究者、臨床医、市民データサイエンティストがそれらの上に構築できることを期待している。
関連論文リスト
- 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-Net US: A Tailored, Highly Efficient, Self-Attention Deep
Convolutional Neural Network Design for Detection of COVID-19 Patient Cases
from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。
実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。
リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文 参考訳（メタデータ） (2021-08-05T16:47:33Z) - 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) - COVID-Net CXR-2: An Enhanced Deep Convolutional Neural Network Design
for Detection of COVID-19 Cases from Chest X-ray Images [58.35627258364233]
RT-PCR検査への無料スクリーニング戦略として胸部X線(CXR)イメージングの使用は成長し続けています。
我々は、CXR画像からCOVID-19を検出するための深層畳み込みニューラルネットワーク設計であるCOVID-Net CXR-2を紹介する。
ベンチマークデータセットは、少なくとも51カ国16,656人の多国籍コホートから19,203個のCXR画像で構成された。
論文 参考訳（メタデータ） (2021-05-14T04:29:21Z) - 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) - Screening COVID-19 Based on CT/CXR Images & Building a Publicly
Available CT-scan Dataset of COVID-19 [6.142272540492935]
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。
論文 参考訳（メタデータ） (2020-12-28T11:52:33Z) - CHS-Net: A Deep learning approach for hierarchical segmentation of
COVID-19 infected CT images [0.6091702876917281]
新型重症急性呼吸器症候群(SARS-CoV-2)のパンデミックが世界中で広がっています。
CT(Computerd Tomography)、X線などの医療画像は、臓器の構造に関する優れた詳細を提示することにより、患者の診断に重要な役割を果たします。
ディープラーニング技術は、新型コロナウイルスなどの疾患やウイルスの迅速な診断を支援するために、そのようなスキャンを分析する強みを示しています。
論文 参考訳（メタデータ） (2020-12-13T15:02:05Z)
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。