論文の概要: An Automated Approach for Timely Diagnosis and Prognosis of Coronavirus
Disease
- arxiv url: http://arxiv.org/abs/2104.14116v1
- Date: Thu, 29 Apr 2021 05:26:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-30 22:00:53.083362
- Title: An Automated Approach for Timely Diagnosis and Prognosis of Coronavirus
Disease
- Title（参考訳）: 新型コロナウイルスのタイムリー診断と予後の自動化
- Authors: Abbas Raza Ali and Marcin Budka
- Abstract要約: コロナウイルス病2019(COVID-19)の流行以降、感染した患者の多くは高熱、乾ききき、喉の腫れなどと診断され、重篤な肺炎に繋がった。
これまで、肺イメージングによるCOVID-19の診断は、この疾患の早期診断の主要な証拠であることが証明されています。
提案手法は,非造影CT(non-contrast chest Computed tomography)スキャンによる疾患の自動診断と予後に焦点をあてるものである。
- 参考スコア（独自算出の注目度）: 1.52292571922932
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since the outbreak of Coronavirus Disease 2019 (COVID-19), most of the
impacted patients have been diagnosed with high fever, dry cough, and soar
throat leading to severe pneumonia. Hence, to date, the diagnosis of COVID-19
from lung imaging is proved to be a major evidence for early diagnosis of the
disease. Although nucleic acid detection using real-time reverse-transcriptase
polymerase chain reaction (rRT-PCR) remains a gold standard for the detection
of COVID-19, the proposed approach focuses on the automated diagnosis and
prognosis of the disease from a non-contrast chest computed tomography (CT)scan
for timely diagnosis and triage of the patient. The prognosis covers the
quantification and assessment of the disease to help hospitals with the
management and planning of crucial resources, such as medical staff,
ventilators and intensive care units (ICUs) capacity. The approach utilises
deep learning techniques for automated quantification of the severity of
COVID-19 disease via measuring the area of multiple rounded ground-glass
opacities (GGO) and consolidations in the periphery (CP) of the lungs and
accumulating them to form a severity score. The severity of the disease can be
correlated with the medicines prescribed during the triage to assess the
effectiveness of the treatment. The proposed approach shows promising results
where the classification model achieved 93% accuracy on hold-out data.
- Abstract（参考訳）: コロナウイルス病2019(COVID-19)の流行以降、感染した患者の多くは高熱、乾ききき、喉の腫れなどと診断され、重篤な肺炎に繋がった。
そのため、これまでに肺画像検査によるCOVID-19の診断は、早期診断の大きな証拠であることが証明されている。
実時間逆転写酵素ポリメラーゼ鎖反応(rRT-PCR)を用いた核酸検出は、COVID-19検出のゴールドスタンダードであるが、提案手法は、患者のタイムリーな診断とトリアージのための非コントラスト胸部CTスキャンによる疾患の自動診断と予後に焦点を当てている。
予後は、医療スタッフ、人工呼吸器、集中治療室(icus)などの重要な資源の管理と計画を行う病院を支援する疾患の定量化と評価をカバーしている。
このアプローチは、複数の丸いグラウンドグラス不透明度(GGO)の面積を測定し、肺の周囲(CP)の凝縮を計測し、それらを蓄積して重症度スコアを形成することにより、COVID-19 病の重症度を自動定量化するためのディープラーニング技術を利用する。
この疾患の重症度は、治療の効果を評価するためにトリアージ中に処方された薬と相関することができる。
提案手法は,分類モデルが保持データに対して93%の精度を達成できる有望な結果を示す。
関連論文リスト
- CoVScreen: Pitfalls and recommendations for screening COVID-19 using Chest X-rays [1.0878040851637998]
新型コロナウイルス(COVID-19)は、SARS-CoV-2による感染性の高い呼吸器疾患で、前例のない医療危機となっている。
症状のある患者の早期スクリーニングと診断は、地域感染を止めるために患者を隔離する上で重要な役割を担っている。
アクセシビリティ、可用性、低コスト、衛生の容易さ、ポータブルなセットアップのため、胸部X線撮影は効果的なスクリーニングおよび診断ツールとして機能する。
論文 参考訳（メタデータ） (2024-05-13T12:03:15Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - 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) - 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) - Longitudinal Quantitative Assessment of COVID-19 Infection Progression
from Chest CTs [36.71379097297172]
ボクセルレベルの感染を識別し、新型コロナウイルスの進行を可視化する新しい枠組みを提案する。
特に,参照スキャン情報を利用した縦断セグメンテーションネットワークを考案し,疾患識別の性能を向上させる。
論文 参考訳（メタデータ） (2021-03-12T12:35:11Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - COVID-19 in CXR: from Detection and Severity Scoring to Patient Disease
Monitoring [3.9373541926236766]
胸部X線画像における肺炎の同時検出とセグメンテーションのための深層学習モデルを開発した。
このセグメンテーションを用いて、病気の重症度を示す「肺炎比」を計算した。
重症度の測定は、入院した患者の時間とともに、病気の範囲のプロファイルを構築することができる。
論文 参考訳（メタデータ） (2020-08-04T13:50:35Z) - 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) - AI-Driven CT-based quantification, staging and short-term outcome
prediction of COVID-19 pneumonia [3.672093204122992]
胸部CTはコロナウイルス感染症2019(COVID-19)肺炎の管理に広く用いられている。
CTは、新型コロナウイルス(COVID-19)肺の異常の程度を視覚的に評価することで予後に影響を及ぼす。
論文 参考訳（メタデータ） (2020-04-20T12:24:08Z) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z)
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。