論文の概要: Automatic Diagnosis of COVID-19 from CT Images using CycleGAN and
Transfer Learning
- arxiv url: http://arxiv.org/abs/2104.11949v1
- Date: Sat, 24 Apr 2021 13:12:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 14:50:44.331429
- Title: Automatic Diagnosis of COVID-19 from CT Images using CycleGAN and
Transfer Learning
- Title（参考訳）: CycleGANとTransfer Learningを用いたCT画像からのCOVID-19自動診断
- Authors: Navid Ghassemi, Afshin Shoeibi, Marjane Khodatars, Jonathan Heras,
Alireza Rahimi, Assef Zare, Ram Bilas Pachori, J. Manuel Gorriz
- Abstract要約: 事前学習したディープニューラルネットワークに基づく手法を提案する。
それは手作業、すなわち99.60%の正確さのための最先端の性能に達しました。
189人の患者から3163枚の画像を含むデータセットが収集され、医師によってラベル付けされた。
- 参考スコア（独自算出の注目度）: 3.0797300440355997
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The outbreak of the corona virus disease (COVID-19) has changed the lives of
most people on Earth. Given the high prevalence of this disease, its correct
diagnosis in order to quarantine patients is of the utmost importance in steps
of fighting this pandemic. Among the various modalities used for diagnosis,
medical imaging, especially computed tomography (CT) imaging, has been the
focus of many previous studies due to its accuracy and availability. In
addition, automation of diagnostic methods can be of great help to physicians.
In this paper, a method based on pre-trained deep neural networks is presented,
which, by taking advantage of a cyclic generative adversarial net (CycleGAN)
model for data augmentation, has reached state-of-the-art performance for the
task at hand, i.e., 99.60% accuracy. Also, in order to evaluate the method, a
dataset containing 3163 images from 189 patients has been collected and labeled
by physicians. Unlike prior datasets, normal data have been collected from
people suspected of having COVID-19 disease and not from data from other
diseases, and this database is made available publicly.
- Abstract（参考訳）: コロナウイルス(COVID-19)の流行は、地球上のほとんどの人々の生活に変化をもたらした。
この疾患の感染率が高いことから、患者を隔離するための正確な診断は、このパンデミックと闘う上で最も重要である。
診断に使用される様々なモダリティの中で、医用画像、特にCT(Computed tomography)画像は、その正確さと可用性から、多くの研究の焦点となっている。
さらに、診断方法の自動化は、医師にとって非常に役立ちます。
本稿では,事前学習した深層ニューラルネットワークに基づく手法を提案する。この手法は,データ拡張のための循環生成逆ネットワーク(cyclegan)モデルを利用して,手前のタスク,すなわち99.60%の精度で最先端の性能を達成している。
また、この方法を評価するために、医師が189人の患者から3163枚の画像を含むデータセットを収集し、ラベル付けした。
従来のデータセットとは異なり、通常のデータは他の疾患のデータではなく、新型コロナウイルスの疑いのある人々から収集されており、このデータベースは一般に公開されている。
関連論文リスト
- Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。
私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
論文 参考訳（メタデータ） (2023-12-26T18:20:48Z) - Medical Imaging with Deep Learning for COVID- 19 Diagnosis: A
Comprehensive Review [1.7205106391379026]
本論文は, 深層学習モデル(DL)の医療画像・薬物発見への応用に焦点をあてる。
我々は,X線やCT画像などの医療画像に基づく様々な研究と,肺炎に対するCOVID-19の分類方法について詳述した。
論文 参考訳（メタデータ） (2021-07-13T16:49:49Z) - Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。
この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
論文 参考訳（メタデータ） (2021-05-14T11:59:47Z) - 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) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。
深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。
そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
論文 参考訳（メタデータ） (2021-02-01T02:37:49Z) - Accurate and Rapid Diagnosis of COVID-19 Pneumonia with Batch Effect
Removal of Chest CT-Scans and Interpretable Artificial Intelligence [0.0]
我々は、健康な人、新型コロナウイルス患者、他の肺炎疾患患者をCTスキャン画像から識別する、解釈可能な新しいディープニューラルネットワークを設計した。
このモデルは97.75%と98.15%の感度に達し、87%と81.03%の特異性は、病気から健康な人々と他の病気から分離している。
論文 参考訳（メタデータ） (2020-11-23T21:23:55Z) - CCBlock: An Effective Use of Deep Learning for Automatic Diagnosis of
COVID-19 Using X-Ray Images [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、世界の人々の健康と健康に劇的に影響している。
新型コロナウイルスの感染拡大を根絶するためには、新型コロナウイルスの検出・診断支援方法を開発する必要がある。
畳み込みニューラルネットワーク(CNN)に基づいて、自動検出システムは、新型コロナウイルス患者をラジオグラフィーで診断する有望な結果を示している。
論文 参考訳（メタデータ） (2020-09-21T19:20:01Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - 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。