論文の概要: COVID-19 Infection Localization and Severity Grading from Chest X-ray Images

• arxiv url: http://arxiv.org/abs/2103.07985v1
• Date: Sun, 14 Mar 2021 18:06:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-16 13:54:23.388155
• Title: COVID-19 Infection Localization and Severity Grading from Chest X-ray Images
• Title（参考訳）: 胸部X線画像からのCOVID-19感染の局在と重症度
• Authors: Anas M. Tahir, Muhammad E. H. Chowdhury, Amith Khandakar, Tawsifur Rahman, Yazan Qiblawey, Uzair Khurshid, Serkan Kiranyaz, Nabil Ibtehaz, M Shohel Rahman, Somaya Al-Madeed, Khaled Hameed, Tahir Hamid, Sakib Mahmud, Maymouna Ezeddin
• Abstract要約: コロナウイルス感染症2019(COVID-19)は、2019年12月に出現して以来、世界中で主要な課題となっている。 我々は、11,956のCOVID-19サンプルを含む33,920のCXRイメージで、最大のベンチマークデータセットを構築しました。 このアプローチは、99%以上の感度と特異性の両方で優れたCOVID-19検出性能を達成しました。
• 参考スコア（独自算出の注目度）: 3.4546388019336143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coronavirus disease 2019 (COVID-19) has been the main agenda of the whole world, since it came into sight in December 2019 as it has significantly affected the world economy and healthcare system. Given the effects of COVID-19 on pulmonary tissues, chest radiographic imaging has become a necessity for screening and monitoring the disease. Numerous studies have proposed Deep Learning approaches for the automatic diagnosis of COVID-19. Although these methods achieved astonishing performance in detection, they have used limited chest X-ray (CXR) repositories for evaluation, usually with a few hundred COVID-19 CXR images only. Thus, such data scarcity prevents reliable evaluation with the potential of overfitting. In addition, most studies showed no or limited capability in infection localization and severity grading of COVID-19 pneumonia. In this study, we address this urgent need by proposing a systematic and unified approach for lung segmentation and COVID-19 localization with infection quantification from CXR images. To accomplish this, we have constructed the largest benchmark dataset with 33,920 CXR images, including 11,956 COVID-19 samples, where the annotation of ground-truth lung segmentation masks is performed on CXRs by a novel human-machine collaborative approach. An extensive set of experiments was performed using the state-of-the-art segmentation networks, U-Net, U-Net++, and Feature Pyramid Networks (FPN). The developed network, after an extensive iterative process, reached a superior performance for lung region segmentation with Intersection over Union (IoU) of 96.11% and Dice Similarity Coefficient (DSC) of 97.99%. Furthermore, COVID-19 infections of various shapes and types were reliably localized with 83.05% IoU and 88.21% DSC. Finally, the proposed approach has achieved an outstanding COVID-19 detection performance with both sensitivity and specificity values above 99%.
• Abstract（参考訳）: コロナウイルス感染症2019(COVID-19)は、2019年12月に世界経済と医療システムに大きな影響を与えたことから、世界中の主要な課題となっている。 肺組織に対するcovid-19の影響を考えると、胸部x線撮影は疾患のスクリーニングと監視に不可欠である。 多くの研究が、COVID-19の自動診断のためのディープラーニングアプローチを提案している。 これらの手法は検出性能に驚くべきものとなったが、通常は数百のCXR画像のみを含む限られた胸部X線レポジトリ(CXR)を用いて評価を行っている。 したがって、そのようなデータ不足は、オーバーフィッティングの可能性による信頼性の高い評価を妨げている。 さらに、ほとんどの研究では、COVID-19肺炎の感染局在および重症度格付けの能力が示されませんでした。 本研究では,CXR画像からの感染定量化による肺分画とCOVID-19の局在の体系的,統一的なアプローチを提案することにより,この緊急ニーズに対処する。 これを実現するため,我々は,新しい人間-機械協調アプローチにより,cxr上で地対肺分割マスクのアノテーションを行う11,956個のcovid-19サンプルを含む33,920個のcxr画像を含む,最大のベンチマークデータセットを構築した。 最先端セグメンテーションネットワーク、U-Net、U-Net++、Feature Pyramid Networks (FPN) を用いて広範な実験を行った。 開発されたネットワークは、広範な反復プロセスを経て、96.11%のインターセクションオーバーユニオン(IoU)と97.99%のダイス類似係数(DSC)で肺領域セグメンテーションの優れた性能を達成しました。 さらに、様々な形や種類のCOVID-19感染症が83.05%のIoUと88.21%のDSCで確実に局在した。 最後に、提案されたアプローチは、99%を超える感度と特異性の両方で優れたCOVID-19検出性能を達成しました。

関連論文リスト

• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• Detection and severity classification of COVID-19 in CT images using deep learning [3.8261286462270006]
  肺を分割し、ct画像からcovid-19感染を検出、局所化し、定量化するカスケードシステムを提案する。 提案するシステムは,様々な形状や大きさ,特に小感染領域の感染を確実に局在化することができる。 このシステムは、1,110人の被験者のデータセットを通じて、新型コロナウイルス感染の異なる重症度レベルを区別することができました。
  論文  参考訳（メタデータ） (2021-02-15T18:23:34Z)
• Reliable COVID-19 Detection Using Chest X-ray Images [25.179817545627596]
  QaTa-COV19には4603のCOVID-19サンプルを含む124,616の画像が含まれています。 提案されたReCovNetは98.57%の感度と99.77%の特異性で検出性能を達成した。
  論文  参考訳（メタデータ） (2021-01-28T19:57:21Z)
• COVID-19 Infection Map Generation and Detection from Chest X-Ray Images [19.578921765959333]
  そこで本研究では,CXR画像からの新型コロナウイルスの同時局在,重症度評価,検出のための新しい手法を提案する。 私たちは、2951のCOVID-19サンプルを含む119,316のCXRイメージで、最大のデータセットをコンパイルしました。 詳細な実験により、最先端のセグメンテーションネットワークは、F1スコア83.20%で新型コロナウイルス感染症の局所化を学べることが示されている。
  論文  参考訳（メタデータ） (2020-09-26T22:20:05Z)
• 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)
• Adaptive Feature Selection Guided Deep Forest for COVID-19 Classification with Chest CT [49.09507792800059]
  胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。 AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
  論文  参考訳（メタデータ） (2020-05-07T06:00:02Z)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)
• 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)
• 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)

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。