論文の概要: TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network Design for Detection of Tuberculosis Cases from Chest X-ray Images

• arxiv url: http://arxiv.org/abs/2104.03165v1
• Date: Tue, 6 Apr 2021 14:09:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-08 12:56:55.516741
• Title: TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network Design for Detection of Tuberculosis Cases from Chest X-ray Images
• Title（参考訳）: TB-Net:胸部X線画像から結核症例を検出するための自己注意型深部畳み込みニューラルネットワークの設計
• Authors: Alexander Wong, James Ren Hou Lee, Hadi Rahmat-Khah, Ali Sabri, and Amer Alaref
• Abstract要約: 結核は世界的な健康問題であり、感染症による死亡の主な原因です。 リソース制限シナリオで使用する人工知能ベースのTBスクリーニングソリューションに大きな関心が寄せられています。 TBケーススクリーニングに適した自己意識型ディープ畳み込みニューラルネットワークTB-Netについて紹介します。
• 参考スコア（独自算出の注目度）: 66.93350009086132
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tuberculosis (TB) remains a global health problem, and is the leading cause of death from an infectious disease. A crucial step in the treatment of tuberculosis is screening high risk populations and the early detection of the disease, with chest x-ray (CXR) imaging being the most widely-used imaging modality. As such, there has been significant recent interest in artificial intelligence-based TB screening solutions for use in resource-limited scenarios where there is a lack of trained healthcare workers with expertise in CXR interpretation. Motivated by this pressing need and the recent recommendation by the World Health Organization (WHO) for the use of computer-aided diagnosis of TB, we introduce TB-Net, a self-attention deep convolutional neural network tailored for TB case screening. More specifically, we leveraged machine-driven design exploration to build a highly customized deep neural network architecture with attention condensers. We conducted an explainability-driven performance validation process to validate TB-Net's decision-making behaviour. Experiments using a tuberculosis CXR benchmark dataset showed that the proposed TB-Net is able to achieve accuracy/sensitivity/specificity of 99.86%/100.0%/99.71%. Radiologist validation was conducted on select cases by two board-certified radiologists with over 10 and 19 years of experience, respectively, and showed consistency between radiologist interpretation and critical factors leveraged by TB-Net for TB case detection for the case where radiologists identified anomalies. While not a production-ready solution, we hope that the open-source release of TB-Net as part of the COVID-Net initiative will support researchers, clinicians, and citizen data scientists in advancing this field in the fight against this global public health crisis.
• Abstract（参考訳）: 結核(tb)は世界規模の健康問題であり、感染症による死亡の原因となっている。 結核治療における重要なステップは、リスクの高い集団のスクリーニングと疾患の早期発見であり、胸部X線像(CXR)は最も広く用いられている画像モダリティである。 このように、CXR解釈の専門知識を持つ訓練された医療従事者が不足しているリソース制限シナリオで使用する人工知能ベースのTBスクリーニングソリューションに、近年、大きな関心が寄せられている。 本研究は,TBのコンピュータ支援診断に対する世界保健機関(WHO)の最近の勧告に触発され,TBケーススクリーニングに適した自己注意型深層畳み込みニューラルネットワークTB-Netを導入する。 より具体的には、アテンションコンデンサを備えた高度にカスタマイズされたディープニューラルネットワークアーキテクチャを構築するために、マシン駆動設計探索を利用した。 我々はTB-Netの意思決定動作を検証するために,説明可能性に基づく性能検証プロセスを実施した。 結核cxrベンチマークデータセットを用いた実験により、tb-netは99.86%/100.0%/99.71%の精度/感度/特異性を達成することができた。 放射線検診では, 放射線検診で10年以上の経験を持つ2人の放射線検診医による放射線検診を行い, TB-Netにより診断された放射線検診症例に対して, 放射線検診の解釈と臨界因子の整合性を示した。 生産可能なソリューションではないが、COVID-Netイニシアチブの一部としてTB-Netのオープンソースリリースによって、研究者、臨床医、市民データサイエンティストがこの分野を前進させ、この世界的な公衆衛生危機と戦うことを期待している。

関連論文リスト

• Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
  結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。 本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。 ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
  論文  参考訳（メタデータ） (2024-06-19T18:10:06Z)
• Zero-Shot Pediatric Tuberculosis Detection in Chest X-Rays using Self-Supervised Learning [0.0]
  世界保健機関(WHO)は、TBスクリーニングのための胸部X線(CXR)を提唱している。 放射線医による視覚的解釈は、特に小児TBにおいて主観的、時間的、誤認しがちである。 本稿では,CXR における TB 検出を改善するために視覚変換器 (ViT) を利用した新たな自己監督パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-02-22T17:55:18Z)
• Early Detection of Tuberculosis with Machine Learning Cough Audio Analysis: Towards More Accessible Global Triaging Usage [0.0]
  TB診断のための現在の金の基準は遅いかアクセス不能である。 現在の機械学習(ML)診断研究は、胸部X線写真の利用と同様に効果がない。 新たなMLアーキテクチャを用いて,スマートフォンからコーズの音響疫学を解析するアンサンブルモデルを開発した。 結果は15秒以内に提供され、モバイルアプリから簡単にアクセスできる。
  論文  参考訳（メタデータ） (2023-10-25T23:22:20Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• Deep learning-based lung segmentation and automatic regional template in chest X-ray images for pediatric tuberculosis [0.0]
  臨床実習における胸部X線検査(CXR)によるTB評価 人工知能が支援するコンピュータ支援診断システムは、経験豊富な放射線科医のTB読取に匹敵する性能を示した。 小児CXR画像から肺・縦隔領域を自動的に局所化し抽出することを目的とした多視点深層学習ソリューションを提案する。
  論文  参考訳（メタデータ） (2023-01-31T17:33:35Z)
• Computer-aided Tuberculosis Diagnosis with Attribute Reasoning Assistance [58.01014026139231]
  新しい大規模結核(TB)胸部X線データセット(TBX-Att)を提案する。 属性情報を利用してTBの分類とローカライズを行うための属性支援弱教師付きフレームワークを構築した。 提案モデルはTBX-Attデータセットで評価され,今後の研究の確かなベースラインとして機能する。
  論文  参考訳（メタデータ） (2022-07-01T07:50:35Z)
• 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)
• COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
  我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。 著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。 また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
  論文  参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。