論文の概要: Deep Learning for Chest X-ray Analysis: A Survey

• arxiv url: http://arxiv.org/abs/2103.08700v1
• Date: Mon, 15 Mar 2021 20:28:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-17 13:22:56.417376
• Title: Deep Learning for Chest X-ray Analysis: A Survey
• Title（参考訳）: 胸部X線分析のためのディープラーニング:サーベイ
• Authors: Ecem Sogancioglu, Erdi \c{C}all{\i}, Bram van Ginneken, Kicky G. van Leeuwen, Keelin Murphy
• Abstract要約: ディープラーニングの最近の進歩は、多くの医療画像解析タスクで有望なパフォーマンスをもたらしました。 胸部X線写真は 様々な応用が研究されている 特に重要なモダリティです 近年、複数の大きな胸部x線データセットがリリースされ、研究の関心が高まり、出版物数が増加した。
• 参考スコア（独自算出の注目度）: 4.351399670578497
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advances in deep learning have led to a promising performance in many medical image analysis tasks. As the most commonly performed radiological exam, chest radiographs are a particularly important modality for which a variety of applications have been researched. The release of multiple, large, publicly available chest X-ray datasets in recent years has encouraged research interest and boosted the number of publications. In this paper, we review all studies using deep learning on chest radiographs, categorizing works by task: image-level prediction (classification and regression), segmentation, localization, image generation and domain adaptation. Commercially available applications are detailed, and a comprehensive discussion of the current state of the art and potential future directions are provided.
• Abstract（参考訳）: 近年のディープラーニングの進歩は、多くの医療画像解析タスクにおいて有望なパフォーマンスをもたらしている。 最も一般的に行われる放射線検査として、胸部x線撮影は様々な応用が研究されている特に重要な形態である。 近年、複数の大きな胸部x線データセットがリリースされ、研究の関心が高まり、出版物数が増加した。 本稿では,胸部x線写真における深層学習を用いたすべての研究について,画像レベルの予測(分類と回帰),セグメンテーション,局所化,画像生成,ドメイン適応について検討する。 商業的に利用可能なアプリケーションの詳細が述べられ、その技術の現状と今後の方向性について総合的な議論がなされている。

関連論文リスト

• A novel approach towards the classification of Bone Fracture from Musculoskeletal Radiography images using Attention Based Transfer Learning [0.0]
  我々は,X線スキャンで骨骨折を検出するために,注意に基づく移動学習モデルを構築した。 本モデルでは, フラクチャー分類の90%以上を最先端の精度で達成する。
  論文  参考訳（メタデータ） (2024-10-18T19:07:24Z)
• Content-Based Image Retrieval for Multi-Class Volumetric Radiology Images: A Benchmark Study [0.6249768559720122]
  非医用画像上の事前訓練された教師なしモデルからの埋め込みに対して、医用画像上の事前訓練された教師なしモデルからの埋め込みをベンチマークした。 ボリューム画像の検索には,テキストマッチングにインスパイアされた遅延インタラクションのランク付け手法を採用する。
  論文  参考訳（メタデータ） (2024-05-15T13:34:07Z)
• Generation of Radiology Findings in Chest X-Ray by Leveraging Collaborative Knowledge [6.792487817626456]
  医学的イメージを解釈する認知的タスクは、放射線学のワークフローにおいて最も重要であり、しばしば時間を要するステップである。 この研究は、ほとんどの時間をFindingsの執筆またはナレーションに費やしている放射線学者の作業量を削減することに焦点を当てている。 単段階画像キャプションタスクとして放射線学レポートを生成する過去の研究とは異なり、CXR画像の解釈の複雑さを考慮に入れている。
  論文  参考訳（メタデータ） (2023-06-18T00:51:28Z)
• XrayGPT: Chest Radiographs Summarization using Medical Vision-Language Models [60.437091462613544]
  我々は,会話型医療ビジョン言語モデルであるXrayGPTを紹介する。 胸部X線写真に関するオープンエンドの質問を分析し、答えることができる。 自由テキストラジオグラフィーレポートから217kの対話的かつ高品質な要約を生成する。
  論文  参考訳（メタデータ） (2023-06-13T17:59:59Z)
• Computer Vision on X-ray Data in Industrial Production and Security Applications: A survey [89.45221564651145]
  本稿では,コンピュータビジョンと機械学習を用いた産業生産およびセキュリティアプリケーションにおけるX線分析に関する最近の研究をレビューする。 公開されているデータセット上でのアプリケーション、テクニック、評価メトリクス、データセット、それらのテクニックのパフォーマンス比較をカバーしている。
  論文  参考訳（メタデータ） (2022-11-10T13:37:36Z)
• Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New Benchmark Study [75.05049024176584]
  胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。 我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。 このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
  論文  参考訳（メタデータ） (2022-08-29T04:34:15Z)
• Interpretation of Chest x-rays affected by bullets using deep transfer learning [0.8189696720657246]
  放射線学における深層学習は、異なる疾患を分類し、検出し、分類する機会を提供する。 提案した研究では,X線を銃弾の影響を受け,局所的に分類する医療画像の非自明な側面について検討した。 深層学習を用いた弾による放射線画像の検出と分類に関する最初の研究である。
  論文  参考訳（メタデータ） (2022-03-25T05:53:45Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Applications of Deep Learning in Fundus Images: A Review [27.70388285366776]
  眼疾患早期検診における眼底画像の使用は臨床的に非常に重要である。 ディープラーニングは、関連アプリケーションでますます普及しています。
  論文  参考訳（メタデータ） (2021-01-25T02:39:40Z)
• Learning Invariant Feature Representation to Improve Generalization across Chest X-ray Datasets [55.06983249986729]
  我々は、トレーニングデータと同じデータセットでテストすると、ディープラーニングモデルが、異なるソースからデータセットでテストされると、パフォーマンスが低下し始めることを示す。 対戦型トレーニング戦略を用いることで、ネットワークはソース不変表現を学習せざるを得ないことを示す。
  論文  参考訳（メタデータ） (2020-08-04T07:41:15Z)
• Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
  この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。 対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
  論文  参考訳（メタデータ） (2020-05-08T02:16:17Z)

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。