論文の概要: COVID-19 Lung Lesion Segmentation Using a Sparsely Supervised Mask R-CNN
on Chest X-rays Automatically Computed from Volumetric CTs
- arxiv url: http://arxiv.org/abs/2105.08147v2
- Date: Thu, 20 May 2021 00:36:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-21 11:01:19.741116
- Title: COVID-19 Lung Lesion Segmentation Using a Sparsely Supervised Mask R-CNN
on Chest X-rays Automatically Computed from Volumetric CTs
- Title（参考訳）: 胸部X線CTから自動計算した胸部X線上のマスクR-CNNによるCOVID-19肺病変の分画
- Authors: Vignav Ramesh, Blaine Rister, Daniel L. Rubin
- Abstract要約: 新型コロナウイルス感染症2019(COVID-19)患者の胸部X線は、肺疾患の程度を決定するために頻繁に取得される。
新型コロナウイルス患者の胸部X線検査よりCTの頻度がはるかに低いことから、胸部X線による肺病変の自動切除は臨床的に有用である可能性がある。
オープンソース胸部X線と冠状X線プロジェクションの混合データセットを用いて訓練したMask R-CNNを用いた胸部X線上のCOVID-19肺病変のセグメンテーションのための自動パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 6.837968548581353
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chest X-rays of coronavirus disease 2019 (COVID-19) patients are frequently
obtained to determine the extent of lung disease and are a valuable source of
data for creating artificial intelligence models. Most work to date assessing
disease severity on chest imaging has focused on segmenting computed tomography
(CT) images; however, given that CTs are performed much less frequently than
chest X-rays for COVID-19 patients, automated lung lesion segmentation on chest
X-rays could be clinically valuable. There currently exists a universal
shortage of chest X-rays with ground truth COVID-19 lung lesion annotations,
and manually contouring lung opacities is a tedious, labor-intensive task. To
accelerate severity detection and augment the amount of publicly available
chest X-ray training data for supervised deep learning (DL) models, we leverage
existing annotated CT images to generate frontal projection "chest X-ray"
images for training COVID-19 chest X-ray models. In this paper, we propose an
automated pipeline for segmentation of COVID-19 lung lesions on chest X-rays
comprised of a Mask R-CNN trained on a mixed dataset of open-source chest
X-rays and coronal X-ray projections computed from annotated volumetric CTs. On
a test set containing 40 chest X-rays of COVID-19 positive patients, our model
achieved IoU scores of 0.81 $\pm$ 0.03 and 0.79 $\pm$ 0.03 when trained on a
dataset of 60 chest X-rays and on a mixed dataset of 10 chest X-rays and 50
projections from CTs, respectively. Our model far outperforms current baselines
with limited supervised training and may assist in automated COVID-19 severity
quantification on chest X-rays.
- Abstract（参考訳）: 2019年のcovid-19患者の胸部x線は肺疾患の程度を判定するために頻繁に入手され、人工知能モデルの作成に有用なデータ源である。
胸部画像における疾患重症度の評価はCT画像のセグメンテーションに焦点が当てられているが, 新型コロナウイルス患者の胸部X線検査よりもCTの頻度がはるかに低いことから, 胸部X線による肺病変の自動分離は臨床的に有用である可能性がある。
現在、胸部x線と肺病変の注釈が普遍的に不足しており、手作業で肺の不透明度を検査するのは退屈で労働集約的な作業です。
教師付き深層学習(DL)モデルにおける重症度の検出と胸部X線トレーニングデータの増大を図るため,既存のCT画像を利用して,新型コロナウイルスの胸部X線モデルをトレーニングするための前頭投射「ケストX線」画像を生成する。
本稿では,オープンソースの胸部X線と冠状X線プロジェクションの混合データセットを用いて訓練したMask R-CNNを用いた胸部X線上のCOVID-19肺病変の分画自動パイプラインを提案する。
検査では,60個の胸部X線と10個の胸部X線と50個の胸部CT線を混合したデータセットを用いてトレーニングし,IoUスコアが0.81$\pm$ 0.03,0.79$\pm$ 0.03を得た。
我々のモデルは、監督訓練を限定して現在のベースラインをはるかに上回り、胸部X線による新型コロナウイルスの重症度の自動定量化を支援することができる。
関連論文リスト
- POLCOVID: a multicenter multiclass chest X-ray database (Poland,
2020-2021) [37.41181188499616]
SARS-CoV-2パンデミックは、世界中の医療システムに限界を与え、診断待ち時間を増やし、医療支援を必要としている。
画像に基づく新型コロナウイルス検出のための多くの人工知能ツールが開発され、新型コロナウイルス陽性患者の少数の画像に基づいて訓練されている。
本稿では,15のポーランドの病院から集められた,新型コロナウイルスなどの肺炎患者の胸部X線(CXR)画像と健常者を含むPOLCOVIDデータセットについて紹介する。
論文 参考訳（メタデータ） (2022-11-29T16:42:53Z) - 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) - COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest
X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。
CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。
我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
論文 参考訳（メタデータ） (2022-06-08T04:39:44Z) - 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) - 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) - Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray
Images [61.24431480245932]
COVID-19 Multi-Task Networkは、新型コロナウイルススクリーニングのためのエンドツーエンドネットワークである。
我々は,ChestXray-14,CheXpertおよび統合型COVID-19データセットから採取した9000個の前頭胸部X線写真から肺領域を手動で注釈した。
このデータベースは研究コミュニティに公開されます。
論文 参考訳（メタデータ） (2020-08-03T12:52:23Z) - Improving performance of CNN to predict likelihood of COVID-19 using
chest X-ray images with preprocessing algorithms [0.3180570080674292]
本研究は,胸部X線画像のコンピュータ支援診断手法の開発の可能性を示した。
8,474個の胸部X線画像のデータセットを使用して、CNNベースのCADスキームをトレーニングし、テストする。
検査結果は、3つのクラスを分類する際の総合的精度の94.0%、コビッドウイルスの感染者を検出する際の精度の98.6%を達成している。
論文 参考訳（メタデータ） (2020-06-11T16:45:46Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - Lung Segmentation from Chest X-rays using Variational Data Imputation [1.0159681653887236]
肺の閉塞は、新しいコロナウイルス病(COVID-19)を含む多くの呼吸器疾患によって引き起こされる肺の炎症である。
このような不透明度を持つ胸部X線(CXR)は肺の領域を認識できないため、自動画像解析を困難にしている。
本研究は、CXRからCOVID-19の自動診断を目的としたパイプラインの一環として、そのような異常なCXRから肺を分画することに焦点を当てる。
論文 参考訳（メタデータ） (2020-05-20T13:52:03Z) - Multi-Channel Transfer Learning of Chest X-ray Images for Screening of
COVID-19 [6.221369419104751]
現在、新型コロナウイルス患者をスクリーニングするための金本位試験はポリメラーゼ連鎖反応試験である。
代替として、胸部X線は迅速なスクリーニングのために検討されている。
本稿では、新型コロナウイルスの胸部X線診断を容易にするために、ResNetアーキテクチャに基づくマルチチャネルトランスファー学習モデルを提案する。
論文 参考訳（メタデータ） (2020-05-12T07:03:46Z)
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。