論文の概要: POCFormer: A Lightweight Transformer Architecture for Detection of
COVID-19 Using Point of Care Ultrasound
- arxiv url: http://arxiv.org/abs/2105.09913v1
- Date: Thu, 20 May 2021 17:14:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-21 15:25:06.434907
- Title: POCFormer: A Lightweight Transformer Architecture for Detection of
COVID-19 Using Point of Care Ultrasound
- Title(参考訳): pocformer:point of care超音波を用いたcovid-19検出のための軽量トランスフォーマーアーキテクチャ
- Authors: Shehan Perera, Srikar Adhikari, Alper Yilmaz
- Abstract要約: モバイル超音波技術の改良を取り入れた人気のテクニックは、医療専門家が大規模に迅速なスクリーニングを行うことを可能にする。
テストプロセスの自動化を目的とした画像ベースのソリューションを提案する。
高速な大規模テストへの私たちの貢献には、リアルタイムに実行できる超音波データを分析できる新しいディープラーニングアーキテクチャが含まれています。
- 参考スコア(独自算出の注目度): 0.6445605125467573
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid and seemingly endless expansion of COVID-19 can be traced back to
the inefficiency and shortage of testing kits that offer accurate results in a
timely manner. An emerging popular technique, which adopts improvements made in
mobile ultrasound technology, allows for healthcare professionals to conduct
rapid screenings on a large scale. We present an image-based solution that aims
at automating the testing process which allows for rapid mass testing to be
conducted with or without a trained medical professional that can be applied to
rural environments and third world countries. Our contributions towards rapid
large-scale testing include a novel deep learning architecture capable of
analyzing ultrasound data that can run in real-time and significantly improve
the current state-of-the-art detection accuracies using image-based COVID-19
detection.
- Abstract(参考訳): 新型コロナウイルス(covid-19)の急速な拡大は、正確かつタイムリーな結果をもたらす検査キットの非効率性と不足にさかのぼることができる。
モバイル超音波技術の改良を取り入れた人気のテクニックは、医療専門家が大規模に迅速なスクリーニングを行うことを可能にする。
本稿では,農村環境や第三世界諸国に適用可能な,訓練された医療従事者の有無にかかわらず,迅速な大量検査を可能にするテストプロセスの自動化を目的とした画像ベースソリューションを提案する。
我々の高速な大規模テストへのコントリビューションには、超音波データをリアルタイムで分析できる新しいディープラーニングアーキテクチャが含まれており、画像ベースのCOVID-19検出による最先端の検出精度を大幅に改善する。
関連論文リスト
- CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳(メタデータ) (2024-03-21T15:13:36Z) - Automated COVID-19 CT Image Classification using Multi-head Channel
Attention in Deep CNN [0.0]
新型コロナウイルスのCTスキャン自動分類のための新しい深層学習手法を提案する。
新しく設計されたチャネルアテンション機構と重み付きグローバル平均プールを組み込んだ改良型Xceptionモデルを提案する。
広く使われている新型コロナウイルスのCTスキャンデータセットの実験は96.99%の精度を示し、他の最先端技術よりも優れていることを示している。
論文 参考訳(メタデータ) (2023-07-31T16:44:06Z) - An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging
for High Precision COVID-19 Diagnostics [0.0]
決定支援システムは、画像の物理的検査に固有の課題を緩和する。
ほとんどのディープラーニングアルゴリズムは、リソース制約のあるデバイスの実装には適していない。
本稿では,MobileNetV2モデルを用いた新型コロナウイルス検出のための軽量深層学習手法の開発と評価について述べる。
論文 参考訳(メタデータ) (2023-05-30T13:14:03Z) - MIA-3DCNN: COVID-19 Detection Based on a 3D CNN [0.0]
畳み込みニューラルネットワークは、肺画像における新型コロナウイルスによる肺炎の検出に広く用いられている。
本研究は,3次元畳み込みニューラルネットワークに基づく,コンピュータ断層撮影画像中のCOVID-19を検出するアーキテクチャについて述べる。
論文 参考訳(メタデータ) (2023-03-19T18:55:22Z) - COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical
Network to Monitor and Detect COVID-19 Infection from Point-of-Care
Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。
ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文 参考訳(メタデータ) (2023-01-04T16:05:51Z) - Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound
Imaging [61.60067283680348]
新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。
本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。
本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
論文 参考訳(メタデータ) (2022-12-15T14:34:12Z) - Deep Learning for Ultrasound Beamforming [120.12255978513912]
受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。
現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。
ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
論文 参考訳(メタデータ) (2021-09-23T15:15:21Z) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳(メタデータ) (2020-07-08T21:38:29Z) - Automatic Detection of COVID-19 Cases on X-ray images Using
Convolutional Neural Networks [0.0]
本研究の目的は、胸部画像から新型コロナウイルスの感染者を検出するプロセスを自動化することである。
使用したデータベース、ビルドされたコード、およびモデルのトレーニングから得られた結果はすべて、オープンアクセスで利用可能である。
論文 参考訳(メタデータ) (2020-07-02T00:46:13Z) - 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。