論文の概要: Vision Transformer using Low-level Chest X-ray Feature Corpus for
COVID-19 Diagnosis and Severity Quantification
- arxiv url: http://arxiv.org/abs/2104.07235v1
- Date: Thu, 15 Apr 2021 04:54:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-16 15:08:50.308098
- Title: Vision Transformer using Low-level Chest X-ray Feature Corpus for
COVID-19 Diagnosis and Severity Quantification
- Title（参考訳）: 新型コロナウイルス診断と重症度定量のための低レベル胸部X線画像変換器
- Authors: Sangjoon Park, Gwanghyun Kim, Yujin Oh, Joon Beom Seo, Sang Min Lee,
Jin Hwan Kim, Sungjun Moon, Jae-Kwang Lim, Jong Chul Ye
- Abstract要約: バックボーンネットワークから得られた低レベルCXR特徴コーパスを利用した新しいビジョントランスフォーマーを提案する。
バックボーンネットワークはまず、一般的な異常発見を検出するために、大きなパブリックデータセットでトレーニングされる。
次に、バックボーンネットワークからの埋め込み機能は、COVID-19の診断および重症度定量のためのトランスフォーマーモデルのコーポラとして使用されます。
- 参考スコア（独自算出の注目度）: 25.144248675578286
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Developing a robust algorithm to diagnose and quantify the severity of
COVID-19 using Chest X-ray (CXR) requires a large number of well-curated
COVID-19 datasets, which is difficult to collect under the global COVID-19
pandemic. On the other hand, CXR data with other findings are abundant. This
situation is ideally suited for the Vision Transformer (ViT) architecture,
where a lot of unlabeled data can be used through structural modeling by the
self-attention mechanism. However, the use of existing ViT is not optimal,
since feature embedding through direct patch flattening or ResNet backbone in
the standard ViT is not intended for CXR. To address this problem, here we
propose a novel Vision Transformer that utilizes low-level CXR feature corpus
obtained from a backbone network that extracts common CXR findings.
Specifically, the backbone network is first trained with large public datasets
to detect common abnormal findings such as consolidation, opacity, edema, etc.
Then, the embedded features from the backbone network are used as corpora for a
Transformer model for the diagnosis and the severity quantification of
COVID-19. We evaluate our model on various external test datasets from totally
different institutions to evaluate the generalization capability. The
experimental results confirm that our model can achieve the state-of-the-art
performance in both diagnosis and severity quantification tasks with superior
generalization capability, which are sine qua non of widespread deployment.
- Abstract（参考訳）: Chest X-ray(CXR)を使用して、新型コロナウイルスの重症度を診断し定量化する堅牢なアルゴリズムを開発するには、新型コロナウイルスのパンデミック下での収集が困難である、多くの精度の高いCOVID-19データセットが必要である。
一方で、cxrデータと他の発見は豊富である。
この状況は視覚変換器(ViT)アーキテクチャに理想的であり、自己認識機構による構造モデリングを通じて多くのラベルのないデータを使用できる。
しかし、標準vitの直接パッチフラット化やresnetバックボーンによる機能埋め込みはcxrを意図していないため、既存のvitの使用は最適ではない。
本稿では,この問題を解決するために,共通するcxr所見を抽出するバックボーンネットワークから得られた低レベルcxr特徴コーパスを用いた視覚トランスフォーマを提案する。
具体的には、バックボーンネットワークはまず大きなパブリックデータセットでトレーニングされ、統合、不透明、浮腫などの一般的な異常所見を検出する。
次に、新型コロナウイルスの診断と重症度定量化のためのトランスフォーマーモデルのコーパスとして、バックボーンネットワークからの埋め込み特徴を用いる。
汎用性を評価するために, 全く異なる機関の各種外部テストデータセット上でのモデル評価を行った。
実験結果から,本モデルは広く展開されていない正弦波の一般化能力に優れ,診断および重症度定量化タスクにおいて最先端の性能を実現できることを確認した。
関連論文リスト
- Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - Multi-Scale Feature Fusion using Parallel-Attention Block for COVID-19
Chest X-ray Diagnosis [2.15242029196761]
世界的な新型コロナウイルス危機下では、チェストX線(CXR)画像からの新型コロナウイルスの正確な診断が重要である。
並列アテンションブロックを用いた新しい多機能融合ネットワークを提案し、元のCXR画像とローカル位相特徴強調CXR画像をマルチスケールで融合する。
論文 参考訳（メタデータ） (2023-04-25T16:56:12Z) - Performance of GAN-based augmentation for deep learning COVID-19 image
classification [57.1795052451257]
ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。
データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。
本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
論文 参考訳（メタデータ） (2023-04-18T15:39:58Z) - Vision Transformer-based Model for Severity Quantification of Lung
Pneumonia Using Chest X-ray Images [11.12596879975844]
我々は、新型コロナウイルスや他の肺疾患の重症度を定量化するために、少数のトレーニング可能なパラメータに依存するビジョントランスフォーマーベースのニューラルネットワークモデルを提案する。
本モデルでは,比較的低い計算コストで高一般化性で重大度を定量化する上で,ピーク性能を提供することができる。
論文 参考訳（メタデータ） (2023-03-18T12:38:23Z) - Optimising Chest X-Rays for Image Analysis by Identifying and Removing
Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。
公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。
我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-22T13:57:04Z) - The pitfalls of using open data to develop deep learning solutions for
COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。
オープンソースデータのトレーニングやテストでは,結果は異例です。
データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文 参考訳（メタデータ） (2021-09-14T10:59:11Z) - Severity Quantification and Lesion Localization of COVID-19 on CXR using
Vision Transformer [25.144248675578286]
世界的な新型コロナウイルス(covid-19)のパンデミックの中で、covid-19の重症度を定量化する自動化フレームワークの構築がますます重要になっている。
重症度と臨床応用可能な新型コロナウイルス関連病変の局在を定量化するための新しい視覚トランスフォーマを提案する。
我々のモデルは、弱い配列に基づくラベルから全確率マップを生成するために、弱教師付きで訓練されている。
論文 参考訳（メタデータ） (2021-03-12T03:17:19Z) - Vision Transformer for COVID-19 CXR Diagnosis using Chest X-ray Feature
Corpus [25.144248675578286]
世界的なCOVID-19危機下では、CXRを用いた新型コロナウイルスの堅牢な診断アルゴリズムの開発は、よく調達されたCOVID-19データセットの欠如によって妨げられている。
異常なCXR特徴を抽出するために得られた低レベルCXR特徴コーパスを用いて、新しいビジョントランスフォーマーを提案する。
論文 参考訳（メタデータ） (2021-03-12T03:07:27Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - End-2-End COVID-19 Detection from Breath & Cough Audio [68.41471917650571]
クラウドソースのオーディオサンプルからエンドツーエンドのディープラーニングを使用してCOVID-19を診断する最初の試みを実証します。
本研究では, 人工深層ニューラルネットワークを用いて, 人工呼吸器から新型コロナを診断する新しいモデル戦略を提案する。
論文 参考訳（メタデータ） (2021-01-07T01:13:00Z) - Intra-model Variability in COVID-19 Classification Using Chest X-ray
Images [0.0]
12の共通ディープラーニングアーキテクチャにおいて,胸部X線におけるCOVID-19検出のためのベースライン性能指標と変数の定量化を行う。
最高のパフォーマンスモデルでは、新型コロナウイルスをホールドアウトセットで検出する際の偽陰性率は20点中3点である。
論文 参考訳（メタデータ） (2020-04-30T21:20:32Z)
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。