Fugu-MT 論文翻訳(概要): Detection of COVID-19 Disease using Deep Neural Networks with Ultrasound Imaging

論文の概要: Detection of COVID-19 Disease using Deep Neural Networks with Ultrasound Imaging

arxiv url: http://arxiv.org/abs/2104.01509v1
Date: Sun, 4 Apr 2021 00:53:06 GMT
ステータス: 処理完了
システム内更新日: 2021-04-06 14:23:20.142185
Title: Detection of COVID-19 Disease using Deep Neural Networks with Ultrasound Imaging
Title（参考訳）: 超音波イメージングを用いたディープニューラルネットワークによるCOVID-19感染症の検出
Authors: Carlos Rojas-Azabache, Karen Vilca-Janampa, Renzo Guerrero-Huayta, Dennis N\'u\~nez-Fern\'andez
Abstract要約: 2019年の新型コロナウイルスは急速にパンデミックとなり、日常生活と公衆衛生の両方に壊滅的な影響を及ぼしている。この流行のさらなる拡大を予防し、患者を迅速に治療するには、できるだけ早期に陽性症例を検出することが不可欠である。本論文では,畳み込みニューラルネットワークを用いた肺超音波画像の解析を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The new coronavirus 2019 (COVID-2019) has rapidly become a pandemic and has had a devastating effect on both everyday life, public health and the global economy. It is critical to detect positive cases as early as possible to prevent the further spread of this epidemic and to treat affected patients quickly. The need for auxiliary diagnostic tools has increased as accurate automated tool kits are not available. This paper presents a work in progress that proposes the analysis of images of lung ultrasound scans using a convolutional neural network. The trained model will be used on a Raspberry Pi to predict on new images.
Abstract（参考訳）: 2019年の新型コロナウイルス(covid-2019)は急速にパンデミックとなり、日常生活、公衆衛生、世界経済に壊滅的な影響を及ぼしている。この流行のさらなる拡大を予防し、患者を迅速に治療するには、できるだけ早期に陽性症例を検出することが不可欠である。自動化ツールキットが利用できないため、補助的な診断ツールの必要性が高まっている。本稿では,畳み込みニューラルネットワークを用いて肺超音波スキャンの画像解析を行う手法を提案する。訓練されたモデルはraspberry piで新しい画像を予測するために使用される。

関連論文リスト

Evaluating Convolutional Neural Networks for COVID-19 classification in chest X-ray images [0.31457219084519006]
感染患者の効果的なスクリーニングは、新型コロナウイルスと闘うための重要なステップである。胸部X線画像を用いた最近の研究は、新型コロナウイルスに関する関連情報が含まれていることを示唆している。本稿では,4つの畳み込みニューラルネットワークを用いた胸部X線画像を用いた新型コロナウイルス自動検出手法を提案する。
論文参考訳（メタデータ） (2024-12-26T22:05:30Z)
COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文参考訳（メタデータ） (2023-01-04T16:05:51Z)
COVID-19 Detection using Transfer Learning with Convolutional Neural Network [0.0]
新型コロナウイルス(COVID-19)は、2019年12月に中国湖北省武漢で初めて確認された致命的な感染症である。本研究では,CT画像からCOVID-19感染を検出するためのトランスファーラーニング戦略(CNN)を提案する。提案モデルでは,Transfer Learning Model Inception V3を用いた多層畳み込みニューラルネットワーク(CNN)が設計されている。
論文参考訳（メタデータ） (2022-06-17T05:30:14Z)
Implementing a Detection System for COVID-19 based on Lung Ultrasound Imaging and Deep Learning [0.0]
新型コロナウイルスのパンデミックは2019年12月に中国で始まり、急速に複数の国に広がった。このパンデミックを大規模にコントロールするには、患者の発見と治療のための高速ツールが必要である。本稿では、超音波イメージングとDeep Learning技術を用いた新型コロナウイルス検出システムについて、現在進行中の課題について述べる。
論文参考訳（メタデータ） (2021-06-20T08:33:33Z)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
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)
Deep Neural Networks for COVID-19 Detection and Diagnosis using Images and Acoustic-based Techniques: A Recent Review [0.36550217261503676]
新型コロナウイルスは2020年3月から世界保健機関(WHO)によってパンデミックと宣言されている。これは、非定型肺炎を発症する可能性のある呼吸性熱帯性ウイルス感染である。専門家は、COVID-19ウイルスを持っている人の早期発見の重要性を強調しています。
論文参考訳（メタデータ） (2020-12-10T19:52:12Z)
Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest CT Images [41.73507451077361]
本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
論文参考訳（メタデータ） (2020-06-16T10:14:58Z)
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)
Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文参考訳（メタデータ） (2020-04-06T15:21:34Z)

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。