論文の概要: Quadruple Augmented Pyramid Network for Multi-class COVID-19 Segmentation via CT

• arxiv url: http://arxiv.org/abs/2103.05546v1
• Date: Tue, 9 Mar 2021 16:48:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-10 14:46:28.696007
• Title: Quadruple Augmented Pyramid Network for Multi-class COVID-19 Segmentation via CT
• Title（参考訳）: CTによるマルチクラスCOVID-19セグメンテーションのための4重強化ピラミッドネットワーク
• Authors: Ziyang Wang
• Abstract要約: 新型コロナウイルス(COVID-19)は、世界で最も深刻な感染症の1つとなっています。 本稿では,放射線科医が肺の容積を推定するためのマルチクラスctセグメンテーションを提案する。
• 参考スコア（独自算出の注目度）: 1.6815638149823744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: COVID-19, a new strain of coronavirus disease, has been one of the most serious and infectious disease in the world. Chest CT is essential in prognostication, diagnosing this disease, and assessing the complication. In this paper, a multi-class COVID-19 CT segmentation is proposed aiming at helping radiologists estimate the extent of effected lung volume. We utilized four augmented pyramid networks on an encoder-decoder segmentation framework. Quadruple Augmented Pyramid Network (QAP-Net) not only enable CNN capture features from variation size of CT images, but also act as spatial interconnections and down-sampling to transfer sufficient feature information for semantic segmentation. Experimental results achieve competitive performance in segmentation with the Dice of 0.8163, which outperforms other state-of-the-art methods, demonstrating the proposed framework can segments of consolidation as well as glass, ground area via COVID-19 chest CT efficiently and accurately.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)は、世界で最も深刻な感染症の1つとなっています。 胸部CTは予後, この疾患の診断, 合併症の診断に必須である。 本稿では,放射線科医が肺の容積を推定するためのマルチクラスctセグメンテーションを提案する。 4つのピラミッドネットワークをエンコーダデコーダセグメンテーションフレームワークで利用した。 QAP-Net(Quadruple Augmented Pyramid Network)は、CT画像の変動サイズからCNNをキャプチャできるだけでなく、空間的相互接続やダウンサンプリングとして機能し、セマンティックセグメンテーションに十分な特徴情報を伝達する。 実験結果から,他の最先端手法よりも優れたDice 0.8163のセグメンテーションの競争性能が得られ,このフレームワークは,ガラスや接地部などのセグメンテーションのセグメンテーションを効率よく精度良く行うことができることを示した。

関連論文リスト

• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Classification and Region Analysis of COVID-19 Infection using Lung CT Images and Deep Convolutional Neural Networks [0.8224695424591678]
  本研究は、肺CT画像中のCOVID-19感染領域を記述するための2段階の深層畳み込みニューラルネットワーク(CNN)に基づくフレームワークを提案する。 第1段階では、2段階の離散ウェーブレット変換を用いて、COVID-19特異的CT画像の特徴を増強する。 これらの拡張CT画像は、提案したカスタムメイドの深部CoV-CTNetを用いて分類される。 第2段階では、新型コロナウイルス感染症領域の同定と解析のためのセグメンテーションモデルに、感染画像として分類されたCT画像を提供する。
  論文  参考訳（メタデータ） (2020-09-16T02:28:46Z)
• 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)
• 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)
• COVID-19 Chest CT Image Segmentation -- A Deep Convolutional Neural Network Solution [34.08284037107891]
  我々は,胸部CT画像と新型コロナウイルス感染のセグメンテーションに適した,新しい深部畳み込みニューラルネットワークを構築した。 感染した肺の境界線はグローバルな強度を調節することで高められるという観察にインスパイアされ,提案した深部CNNでは特徴変化ブロックを導入する。 提案したFVブロックは,多種多様なケースに対して効果的かつ適応的に特徴表現の能力を高めることができる。
  論文  参考訳（メタデータ） (2020-04-23T06:09:16Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)
• An automatic COVID-19 CT segmentation network using spatial and channel attention mechanism [4.4259821861544]
  新型コロナウイルス(COVID-19)のパンデミックが世界の公衆衛生に打撃を与えている。 診断と患者のモニタリングを支援するために、迅速かつ正確にCTからCOVID-19を分離することが非常に重要である。 注意機構を用いたU-Netに基づくセグメンテーションネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-14T17:21:11Z)
• 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)

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。