論文の概要: In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays

• arxiv url: http://arxiv.org/abs/2104.02238v1
• Date: Tue, 6 Apr 2021 02:01:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-07 14:15:29.780893
• Title: In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays
• Title（参考訳）: 肺胸部X線の非平衡・マルチクラスコンピュータビジョン分類のためのインライン画像変換
• Authors: Alexandrea K. Ramnarine
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 91.3755431537592
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Artificial intelligence (AI) is disrupting the medical field as advances in modern technology allow common household computers to learn anatomical and pathological features that distinguish between healthy and disease with the accuracy of highly specialized, trained physicians. Computer vision AI applications use medical imaging, such as lung chest X-Rays (LCXRs), to facilitate diagnoses by providing second-opinions in addition to a physician's or radiologist's interpretation. Considering the advent of the current Coronavirus disease (COVID-19) pandemic, LCXRs may provide rapid insights to indirectly aid in infection containment, however generating a reliably labeled image dataset for a novel disease is not an easy feat, nor is it of highest priority when combating a global pandemic. Deep learning techniques such as convolutional neural networks (CNNs) are able to select features that distinguish between healthy and disease states for other lung pathologies; this study aims to leverage that body of literature in order to apply image transformations that would serve to balance the lack of COVID-19 LCXR data. Furthermore, this study utilizes a simple CNN architecture for high-performance multiclass LCXR classification at 94 percent accuracy.
• Abstract（参考訳）: 人工知能(ai)は、現代技術の進歩により、健康と疾患を区別する解剖学と病理学の特徴を、高度に専門化された医師の正確さで学べるようになり、医療分野を混乱させている。 コンピュータビジョンAIアプリケーションは、肺胸X線(LCXR)などの医療画像を使用して、医師や放射線技師の解釈に加えて、第2のオピニオンを提供することで診断を容易にする。 現在のコロナウイルス(COVID-19)のパンデミックの出現を考えると、LCXRは感染封じ込めを間接的に支援するための迅速な洞察を提供するが、新しい疾患に対する確実にラベル付けされた画像データセットを作成することは容易ではない。 convolutional neural networks(cnns)のようなディープラーニング技術は、他の肺病理学において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。 さらに,本研究では,CNNアーキテクチャを用いて高速多クラスLCXRの94%の精度で分類する。

関連論文リスト

• Empowering Medical Imaging with Artificial Intelligence: A Review of Machine Learning Approaches for the Detection, and Segmentation of COVID-19 Using Radiographic and Tomographic Images [2.232567376976564]
  2019年以降、コロナウイルスとその新規株の世界的な普及により、新たな感染が急増している。 X線およびCTイメージング技術の使用は、新型コロナウイルスの診断と管理に重要である。 本稿では、機械学習(ML)を用いた新型コロナウイルスの診断のための医療画像の改善手法に焦点を当てた。
  論文  参考訳（メタデータ） (2024-01-13T09:17:39Z)
• Multi-Label Chest X-Ray Classification via Deep Learning [0.0]
  本研究の目的は,X線画像から14種類の胸部状態を検出する軽量なソリューションを開発することである。 画像機能に加えて、X線ビュータイプ、年齢、性別などのデータで利用可能な非画像機能も使用します。 本研究の目的は, これまでの研究を改良し, 予測を14疾患に拡張し, 将来の胸部X線撮影研究への洞察を提供することである。
  論文  参考訳（メタデータ） (2022-11-27T20:27:55Z)
• COVID-19 Pneumonia and Influenza Pneumonia Detection Using Convolutional Neural Networks [0.0]
  我々は、新型コロナウイルス肺炎、インフルエンザウイルス肺炎、および正常なバイオマーカーの鑑別を支援するコンピュータソリューションを開発した。 その分類性能において、最高の性能モデルでは、検証精度は93%、F1スコアは0.95であった。
  論文  参考訳（メタデータ） (2021-12-14T01:59:25Z)
• 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)
• Covid-19 Detection from Chest X-ray and Patient Metadata using Graph Convolutional Neural Networks [6.420262246029286]
  本稿では,Covid-19肺炎のバイオマーカーを同定可能な新しいグラフ畳み込みニューラルネットワーク(GCN)を提案する。 提案手法は,データインスタンスとその特徴間の重要な関係知識をグラフ表現を用いて利用し,グラフデータ学習に畳み込みを適用する。
  論文  参考訳（メタデータ） (2021-05-20T13:13:29Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Automated Detection and Forecasting of COVID-19 using Deep Learning Techniques: A Review [10.153806948106684]
  コロナウイルス(Coronavirus、COVID-19)は、世界中の多くの人々の健康を危険にさらす病気である。 高速かつ正確な診断のために,X線およびCT画像モダリティが広く用いられている。 ディープラーニング(DL)ネットワークは最近、従来の機械学習(ML)と比較して人気を博している。
  論文  参考訳（メタデータ） (2020-07-16T16:04:17Z)
• 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)
• 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。

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。