論文の概要: COVID-Net CXR-S: Deep Convolutional Neural Network for Severity Assessment of COVID-19 Cases from Chest X-ray Images

• arxiv url: http://arxiv.org/abs/2105.00256v1
• Date: Sat, 1 May 2021 14:15:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 13:50:43.591411
• Title: COVID-Net CXR-S: Deep Convolutional Neural Network for Severity Assessment of COVID-19 Cases from Chest X-ray Images
• Title（参考訳）: COVID-Net CXR-S: 胸部X線画像による重症度評価のための深部畳み込みニューラルネットワーク
• Authors: Hossein Aboutalebi, Maya Pavlova, Mohammad Javad Shafiee, Ali Sabri, Amer Alaref, Alexander Wong
• Abstract要約: 胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。 患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。 提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
• 参考スコア（独自算出の注目度）: 74.77272804752306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The world is still struggling in controlling and containing the spread of the COVID-19 pandemic caused by the SARS-CoV-2 virus. The medical conditions associated with SARS-CoV-2 infections have resulted in a surge in the number of patients at clinics and hospitals, leading to a significantly increased strain on healthcare resources. As such, an important part of managing and handling patients with SARS-CoV-2 infections within the clinical workflow is severity assessment, which is often conducted with the use of chest x-ray (CXR) images. In this work, we introduce COVID-Net CXR-S, a convolutional neural network for predicting the airspace severity of a SARS-CoV-2 positive patient based on a CXR image of the patient's chest. More specifically, we leveraged transfer learning to transfer representational knowledge gained from over 16,000 CXR images from a multinational cohort of over 15,000 patient cases into a custom network architecture for severity assessment. Experimental results with a multi-national patient cohort curated by the Radiological Society of North America (RSNA) RICORD initiative showed that the proposed COVID-Net CXR-S has potential to be a powerful tool for computer-aided severity assessment of CXR images of COVID-19 positive patients. Furthermore, radiologist validation on select cases by two board-certified radiologists with over 10 and 19 years of experience, respectively, showed consistency between radiologist interpretation and critical factors leveraged by COVID-Net CXR-S for severity assessment. While not a production-ready solution, the ultimate goal for the open source release of COVID-Net CXR-S is to act as a catalyst for clinical scientists, machine learning researchers, as well as citizen scientists to develop innovative new clinical decision support solutions for helping clinicians around the world manage the continuing pandemic.
• Abstract（参考訳）: 世界は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染拡大を抑えるのに苦戦している。 SARS-CoV-2感染に伴う医療状況は、クリニックや病院で患者の数が急増し、医療資源の大幅な増加につながった。 臨床ワークフローにおけるsars-cov-2感染患者の管理と治療の重要な部分は重症度評価であり、胸部x線(cxr)画像を用いて行うことが多い。 本研究では,SARS-CoV-2陽性患者の胸部CXR画像に基づいて,空気空間の重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sを紹介する。 具体的には、16,000以上のcxr画像から得られた表現的知識を、15,000人以上の患者からなる多国籍コホートから、重症度評価のためのカスタムネットワークアーキテクチャに移すために、転送学習を利用した。 北米放射線学会 (RSNA) のRICORDイニシアチブによる多国籍患者のコホートによる実験結果から、提案されたCXR-Sは、CXR画像のコンピュータ支援による重症度評価の強力なツールとなる可能性が示唆された。 さらに,10年以上の経験を持つ2名の放射線科医による放射線科医による放射線検査の結果,重度評価にCOVID-Net CXR-Sが有効であった。 新型コロナウイルス(COVID-Net CXR-S)のオープンソースリリースの最終的な目標は、臨床科学者、機械学習研究者、市民科学者のための触媒として機能し、世界中の臨床医がパンデミックを管理できるようにする革新的な新しい臨床試験支援ソリューションを開発することである。

関連論文リスト

• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型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 USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• COVID-Rate: An Automated Framework for Segmentation of COVID-19 Lesions from Chest CT Scans [29.266579630983358]
  パンデミック時代には、専門家の放射線学者による新型コロナウイルスの肺病変の視覚的評価と定量化が高価になり、エラーが生じる傾向にある。 専門医に注釈を付された82例のCT画像433点を含むオープンアクセス型COVID-19 CTセグメンテーションデータセットについて紹介する。 Deep Neural Network(DNN)ベースのフレームワークであるCOVID-Rateは、胸部CTスキャンからCOVID-19に関連する肺の異常を自律的に分離する。
  論文  参考訳（メタデータ） (2021-07-04T03:19:43Z)
• COVID-Net CXR-2: An Enhanced Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-ray Images [58.35627258364233]
  RT-PCR検査への無料スクリーニング戦略として胸部X線(CXR)イメージングの使用は成長し続けています。 我々は、CXR画像からCOVID-19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 CXR-2を紹介する。 ベンチマークデータセットは、少なくとも51カ国16,656人の多国籍コホートから19,203個のCXR画像で構成された。
  論文  参考訳（メタデータ） (2021-05-14T04:29:21Z)
• COVID-Net CT-S: 3D Convolutional Neural Network Architectures for COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
  我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。 3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
  論文  参考訳（メタデータ） (2021-05-04T04:44:41Z)
• COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19 from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
  胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。 説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。 結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
  論文  参考訳（メタデータ） (2021-01-19T03:04:09Z)
• COVID-Net S: Towards computer-aided severity assessment via training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
  胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。 本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
  論文  参考訳（メタデータ） (2020-05-26T16:33:52Z)

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。