論文の概要: Deep Learning Models May Spuriously Classify Covid-19 from X-ray Images Based on Confounders

• arxiv url: http://arxiv.org/abs/2102.04300v1
• Date: Fri, 8 Jan 2021 21:33:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-10 05:08:22.822490
• Title: Deep Learning Models May Spuriously Classify Covid-19 from X-ray Images Based on Confounders
• Title（参考訳）: 深層学習モデルでは、共同ファウンダーによるX線画像からCovid-19を分離できる
• Authors: Kaoutar Ben Ahmed, Lawrence O. Hall, Dmitry B. Goldgof, Gregory M. Goldgof, Rahul Paul
• Abstract要約: 最近の研究では、深層学習を用いて高精度なモデルを構築し、胸部X線画像からCovid-19を検出することができると主張している。 本稿では,Covid-19病の診断における畳み込みニューラルネットワークモデルの有効性と一般化能力について検討する。
• 参考スコア（独自算出の注目度）: 1.8321821509675509
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying who is infected with the Covid-19 virus is critical for controlling its spread. X-ray machines are widely available worldwide and can quickly provide images that can be used for diagnosis. A number of recent studies claim it may be possible to build highly accurate models, using deep learning, to detect Covid-19 from chest X-ray images. This paper explores the robustness and generalization ability of convolutional neural network models in diagnosing Covid-19 disease from frontal-view (AP/PA), raw chest X-ray images that were lung field cropped. Some concerning observations are made about high performing models that have learned to rely on confounding features related to the data source, rather than the patient's lung pathology, when differentiating between Covid-19 positive and negative labels. Specifically, these models likely made diagnoses based on confounding factors such as patient age or image processing artifacts, rather than medically relevant information.
• Abstract（参考訳）: コビッドウイルスに感染したウイルスの特定は、感染拡大を抑える上で重要である。 x線装置は世界中で広く利用可能であり、診断に使用できる画像を迅速に提供することができる。 近年の研究では、深層学習を用いて高精度なモデルを構築し、胸部X線画像からCovid-19を検出できると主張している。 本稿では,肺野を採取した生胸部X線画像(AP/PA)からCovid-19病を診断するための畳み込みニューラルネットワークモデルの堅牢性と一般化能力について検討する。 いくつかの観察は、Covid-19陽性と負のラベルの区別において、患者の肺病理ではなく、データソースに関連する相反する特徴に依存することを学習したハイパフォーマンスモデルに関するものである。 特に、これらのモデルでは、医学的な関連情報ではなく、患者の年齢や画像処理成果物といった相反する要因に基づいて診断を行った可能性が高い。

関連論文リスト

• Detection of COVID19 in Chest X-Ray Images Using Transfer Learning [0.0]
  本稿では,VGG-16とVGG-19という,最もよく知られた2つのVGGNetアーキテクチャを用いたトランスファーラーニングの概念について検討する。 我々は,複数クラスとバイナリの分類問題において,正のCovid-19インスタンスを識別するために,提案システムの性能を評価するために2つの異なるデータセットを生成した。
  論文  参考訳（メタデータ） (2023-04-09T05:02:04Z)
• 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)
• The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
  深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。 オープンソースデータのトレーニングやテストでは,結果は異例です。 データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
  論文  参考訳（メタデータ） (2021-09-14T10:59:11Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• 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)
• A comparison of deep machine learning algorithms in COVID-19 disease diagnosis [4.636229382827605]
  この研究の目的は、画像認識の問題を解決するためにディープニューラルネットワークモデルを使用することである。 本研究は、現代の機械学習技術を用いて、新型コロナウイルスの疑いのある患者の診断にX線画像を用いている。
  論文  参考訳（メタデータ） (2020-08-25T10:51:54Z)
• Study of Different Deep Learning Approach with Explainable AI for Screening Patients with COVID-19 Symptoms: Using CT Scan and Chest X-ray Image Dataset [1.4680035572775532]
  新型コロナウイルスの感染拡大で、米国だけでもこれまでに10万人以上の死者が出た。 患者数の増加に伴い、利用可能なテストキットでテストを実施するのが難しくなっている。 本研究の目的は、CTスキャンと胸部X線画像データセットの両方において、より正確な精度で新型コロナウイルス患者を検出できるディープラーニングベースのモデルを開発することである。
  論文  参考訳（メタデータ） (2020-07-24T13:51:58Z)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• Deep-COVID: Predicting COVID-19 From Chest X-Ray Images Using Deep Transfer Learning [5.174558376705871]
  新型コロナウイルス(COVID-19)のパンデミックは、世界中で150カ国以上で大流行している。 新型コロナウイルスと戦う上で重要なステップの1つは、感染した患者を十分に早期に検出する能力だ。 胸部X線画像から新型コロナウイルス患者を検出するための深層学習モデルの応用について検討した。
  論文  参考訳（メタデータ） (2020-04-20T15:09:14Z)
• Finding Covid-19 from Chest X-rays using Deep Learning on a Small Dataset [0.8307419633891249]
  本稿では、新型コロナウイルスの診断における胸部X線画像の有用性について検討する。 新型コロナウイルスの胸部X線122例, ウイルス性肺炎および細菌性肺炎の胸部X線4,000例以上が得られた。
  論文  参考訳（メタデータ） (2020-04-05T00:58:54Z)

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。