Fugu-MT 論文翻訳(概要): A two-step explainable approach for COVID-19 computer-aided diagnosis from chest x-ray images

論文の概要: A two-step explainable approach for COVID-19 computer-aided diagnosis from chest x-ray images

arxiv url: http://arxiv.org/abs/2101.10223v1
Date: Mon, 25 Jan 2021 16:35:44 GMT
ステータス: 処理完了
システム内更新日: 2021-03-15 03:04:29.637474
Title: A two-step explainable approach for COVID-19 computer-aided diagnosis from chest x-ray images
Title（参考訳）: 胸部X線画像を用いたCOVID-19コンピュータ支援診断の2段階的検討
Authors: Carlo Alberto Barbano, Enzo Tartaglione, Claudio Berzovini, Marco Calandri, Marco Grangetto
Abstract要約: Chest X-Ray (CXR)イメージングを早期スクリーニングに使用すると、より高速で正確な応答が得られます。肺の既知の病理(腺腫)を最初に検出する,説明可能な2段階の診断アプローチを提案する。
参考スコア（独自算出の注目度）: 5.480546613836199
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Early screening of patients is a critical issue in order to assess immediate and fast responses against the spread of COVID-19. The use of nasopharyngeal swabs has been considered the most viable approach; however, the result is not immediate or, in the case of fast exams, sufficiently accurate. Using Chest X-Ray (CXR) imaging for early screening potentially provides faster and more accurate response; however, diagnosing COVID from CXRs is hard and we should rely on deep learning support, whose decision process is, on the other hand, "black-boxed" and, for such reason, untrustworthy. We propose an explainable two-step diagnostic approach, where we first detect known pathologies (anomalies) in the lungs, on top of which we diagnose the illness. Our approach achieves promising performance in COVID detection, compatible with expert human radiologists. All of our experiments have been carried out bearing in mind that, especially for clinical applications, explainability plays a major role for building trust in machine learning algorithms.
Abstract（参考訳）: 患者の早期スクリーニングは、新型コロナウイルスの感染拡大に対する即時かつ迅速な対応を評価するために重要な問題です。鼻咽頭の綿棒の使用は最も実行可能なアプローチと考えられていますが、結果は即時ではなく、高速試験の場合、十分に正確です。早期スクリーニングにChest X-Ray (CXR)イメージングを使用することは、より速く、より正確な応答を提供する可能性があります。しかし、CXRからのCOVIDの診断は困難であり、その決定プロセスであるディープラーニングのサポートに頼る必要があります。肺の既知の病理(異常)を最初に検出し、その上に病気を診断する説明可能な2段階の診断アプローチを提案します。私たちのアプローチは、専門家の放射線科医と互換性のあるCOVID検出で有望なパフォーマンスを達成します。私たちの実験はすべて、特に臨床応用において、説明可能性が機械学習アルゴリズムの信頼を構築する上で重要な役割を果たすことを念頭において行われました。
全文参考訳へのリンク