論文の概要: Few-shot Learning for CT Scan based COVID-19 Diagnosis

• arxiv url: http://arxiv.org/abs/2102.00596v1
• Date: Mon, 1 Feb 2021 02:37:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-02 15:34:41.566896
• Title: Few-shot Learning for CT Scan based COVID-19 Diagnosis
• Title（参考訳）: CTスキャンによるCOVID-19診断のためのフェーショット学習
• Authors: Yifan Jiang, Han Chen, David K. Han, Hanseok Ko
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 33.26861533338019
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Coronavirus disease 2019 (COVID-19) is a Public Health Emergency of International Concern infecting more than 40 million people across 188 countries and territories. Chest computed tomography (CT) imaging technique benefits from its high diagnostic accuracy and robustness, it has become an indispensable way for COVID-19 mass testing. Recently, deep learning approaches have become an effective tool for automatic screening of medical images, and it is also being considered for COVID-19 diagnosis. However, the high infection risk involved with COVID-19 leads to relative sparseness of collected labeled data limiting the performance of such methodologies. Moreover, accurately labeling CT images require expertise of radiologists making the process expensive and time-consuming. In order to tackle the above issues, we propose a supervised domain adaption based COVID-19 CT diagnostic method which can perform effectively when only a small samples of labeled CT scans are available. To compensate for the sparseness of labeled data, the proposed method utilizes a large amount of synthetic COVID-19 CT images and adjusts the networks from the source domain (synthetic data) to the target domain (real data) with a cross-domain training mechanism. Experimental results show that the proposed method achieves state-of-the-art performance on few-shot COVID-19 CT imaging based diagnostic tasks.
• Abstract（参考訳）: 2019年コロナウイルス(COVID-19)は、188の国と地域で4000万人以上の人々が感染する国際懸念の公衆衛生緊急事態です。 胸部CT(Chest Computed Tomography)イメージング技術は、高い診断精度と堅牢性により、新型コロナウイルスの大量検査に不可欠な方法となっています。 近年,深層学習は医用画像の自動スクリーニングに有効なツールとなり,新型コロナウイルスの診断にも利用されている。 しかし、COVID-19に関連する高い感染リスクは、収集されたラベル付きデータの相対的な滞留をもたらし、そのような方法のパフォーマンスを制限します。 さらに、CT画像を正確にラベル付けするには、放射線医の専門知識が必要です。 以上の課題に対処するために,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効果的に機能する,教師付きドメイン適応型COVID-19 CT診断法を提案する。 本提案手法は、ラベル付きデータのばらつきを補うために、大量の合成COVID-19 CT画像を利用して、ソースドメイン(合成データ)からターゲットドメイン(実データ)までのネットワークをクロスドメイントレーニング機構で調整する。 実験の結果, 新型ct画像診断による診断作業において, 最先端のパフォーマンスが得られた。

関連論文リスト

• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• Multi-scale alignment and Spatial ROI Module for COVID-19 Diagnosis [13.31017458409054]
  本研究では,異なる解像度でコンテキスト情報を統合するために,深部空間ピラミッドプーリング(D-SPP)モジュールを提案する。 また,病変部位に注意を向け,無関係な情報から干渉を取り除くためのCIDモジュールも提案する。 以上の結果から,CTおよびCXR画像における新型コロナウイルスの病変の検出精度が向上した。
  論文  参考訳（メタデータ） (2022-07-04T12:07:17Z)
• 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)
• HRCTCov19 -- 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ための一般的な方法であった。 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困難である。 HRCTCov19は、新しい新型コロナウイルス高分解能胸部CTスキャン画像データセットである。
  論文  参考訳（メタデータ） (2022-05-06T12:49:18Z)
• 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)
• COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
  我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。 また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
  論文  参考訳（メタデータ） (2020-09-08T15:49:55Z)
• COVID-19 CT Image Synthesis with a Conditional Generative Adversarial Network [26.12568967493797]
  コロナウイルス感染症2019(COVID-19)は、2019年12月以降急速に拡大している世界的なパンデミックである。 リアルタイム逆転写ポリメラーゼ鎖反応 (rRT-PCR) と胸部CT画像撮影 (CT) はどちらも新型コロナウイルスの診断において重要な役割を担っている。 深層学習に基づくコンピュータビジョン手法は、医用画像の応用において非常に有望であることを示す。
  論文  参考訳（メタデータ） (2020-07-29T07:20:06Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Residual Attention U-Net for Automated Multi-Class Segmentation of COVID-19 Chest CT Images [46.844349956057776]
  新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。 新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。 複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-12T16:24:59Z)
• COVID_MTNet: COVID-19 Detection with Multi-Task Deep Learning Approaches [5.578413517654704]
  本稿では,多タスク深層学習(DL)手法を用いて,新型コロナウイルス患者を迅速かつ効率的に識別する方法を提案する。 提案手法について,X線およびCTスキャン画像を用いて検討した。 検出モデルは、X線画像から約84.67%の精度と、CT画像の98.78%の精度を示している。
  論文  参考訳（メタデータ） (2020-04-07T23:19:59Z)
• Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
  新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。 最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
  論文  参考訳（メタデータ） (2020-04-06T15:21:34Z)

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。