論文の概要: Probabilistic combination of eigenlungs-based classifiers for COVID-19 diagnosis in chest CT images

• arxiv url: http://arxiv.org/abs/2103.02961v1
• Date: Thu, 4 Mar 2021 11:30:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-05 15:04:46.327120
• Title: Probabilistic combination of eigenlungs-based classifiers for COVID-19 diagnosis in chest CT images
• Title（参考訳）: 胸部CT画像におけるEigenlungs-based classifierとCOVID-19診断の確率的組み合わせ
• Authors: Juan E. Arco, Andr\'es Ortiz, Javier Ram\'irez, Francisco J. Mart\'inez-Murcia, Yu-Dong Zhang, Jordi Broncano, M. \'Alvaro Berb\'is, Javier Royuela-del-Val, Antonio Luna, Juan M. G\'orriz
• Abstract要約: 新型コロナウイルスの感染者数は1億人以上で、2400万人以上が死亡している。 胸部X線(CXR)や胸部CT(CCT)などの医療画像の使用は、優れたソリューションであることが証明されています。 肺炎パターンを同定するために,確率的支援ベクトルマシン(SVM)に基づくアンサンブル分類器を提案する。
• 参考スコア（独自算出の注目度）: 6.1020196190084555
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The outbreak of the COVID-19 (Coronavirus disease 2019) pandemic has changed the world. According to the World Health Organization (WHO), there have been more than 100 million confirmed cases of COVID-19, including more than 2.4 million deaths. It is extremely important the early detection of the disease, and the use of medical imaging such as chest X-ray (CXR) and chest Computed Tomography (CCT) have proved to be an excellent solution. However, this process requires clinicians to do it within a manual and time-consuming task, which is not ideal when trying to speed up the diagnosis. In this work, we propose an ensemble classifier based on probabilistic Support Vector Machine (SVM) in order to identify pneumonia patterns while providing information about the reliability of the classification. Specifically, each CCT scan is divided into cubic patches and features contained in each one of them are extracted by applying kernel PCA. The use of base classifiers within an ensemble allows our system to identify the pneumonia patterns regardless of their size or location. Decisions of each individual patch are then combined into a global one according to the reliability of each individual classification: the lower the uncertainty, the higher the contribution. Performance is evaluated in a real scenario, yielding an accuracy of 97.86%. The large performance obtained and the simplicity of the system (use of deep learning in CCT images would result in a huge computational cost) evidence the applicability of our proposal in a real-world environment.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)パンデミック(coonavirus disease 2019)の流行は世界を変えた。 世界保健機関(WHO)によると、新型コロナウイルスの感染者数は1億人以上で、2400万人以上が死亡している。 この疾患の早期発見は非常に重要であり、胸部X線(CXR)や胸部CT(CCT)などの医療画像の使用は優れたソリューションであることが証明されています。 しかし、このプロセスでは、医師が手作業や時間を要する作業で行う必要があり、診断のスピードアップには適していない。 本研究では,肺炎のパターンを識別するために,確率的支援ベクトルマシン(SVM)に基づくアンサンブル分類器を提案する。 具体的には、各CCTスキャンを立方パッチに分割し、それぞれに含まれる特徴をカーネルPCAを適用して抽出する。 アンサンブル内での塩基型分類器の使用により,サイズや位置に関わらず,本システムは肺炎のパターンを識別できる。 個々のパッチの決定は、個々の分類の信頼性に応じてグローバルに結合されます:不確実性が低いほど、貢献度が高くなります。 実際のシナリオで性能を評価し、精度は97.86%である。 得られた大きな性能とシステムのシンプルさ(CCT画像におけるディープラーニングの使用は膨大な計算コストをもたらす)は、現実世界での提案の適用可能性を示しています。

関連論文リスト

• Advancing Diagnostic Precision: Leveraging Machine Learning Techniques for Accurate Detection of Covid-19, Pneumonia, and Tuberculosis in Chest X-Ray Images [0.0]
  新型コロナウイルス、結核(TB)、肺炎などの肺疾患は、依然として深刻な世界的な健康上の問題となっている。 救急医療と科学者は、早期の新型コロナウイルス(COVID-19)の診断に信頼性と正確なアプローチを作成するために、集中的に取り組んでいる。
  論文  参考訳（メタデータ） (2023-10-09T18:38:49Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• A novel framework based on deep learning and ANOVA feature selection method for diagnosis of COVID-19 cases from chest X-ray Images [0.0]
  新型コロナウイルスは武漢で最初に確認され、急速に世界中に広がった。 最もアクセスしやすい方法はRT-PCRである。 RT-PCRと比較すると,胸部CTと胸部X線像が優れた結果を示した。 DenseNet169はX線画像から特徴を抽出するために使用された。
  論文  参考訳（メタデータ） (2021-09-30T16:10:31Z)
• Tiled sparse coding in eigenspaces for the COVID-19 diagnosis in chest X-ray images [0.0]
  そこで本研究では,異なる病態に関連付けられた肺炎のパターンを特定するために,スパースコーディングに基づく分類フレームワークを提案する。 肺炎の存在を同定する精度は93.85%であり、4級分類では88.11%である。
  論文  参考訳（メタデータ） (2021-06-28T13:50:31Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• 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)
• 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)
• JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
  新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。 感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。 本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
  論文  参考訳（メタデータ） (2020-04-15T12:30:40Z)

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。