論文の概要: An Approach Towards Physics Informed Lung Ultrasound Image Scoring
Neural Network for Diagnostic Assistance in COVID-19
- arxiv url: http://arxiv.org/abs/2106.06980v1
- Date: Sun, 13 Jun 2021 13:01:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 15:42:01.902031
- Title: An Approach Towards Physics Informed Lung Ultrasound Image Scoring
Neural Network for Diagnostic Assistance in COVID-19
- Title（参考訳）: 新型コロナウイルスの診断支援のための物理インフォームド肺超音波画像符号化ニューラルネットワークへのアプローチ
- Authors: Mahesh Raveendranatha Panicker, Yale Tung Chen, Gayathri M,
Madhavanunni A N, Kiran Vishnu Narayan, C Kesavadas and A P Vinod
- Abstract要約: 肺超音波(LUS)における胸膜下領域の音響伝搬に基づく特徴抽出のための新しいアプローチが提示された。
LUSNetと呼ばれるニューラルネットワークは、LUSイメージを、新型コロナウイルスの進行を追跡するために、肺感染症の重症度の異なる5つのクラスに分類するように訓練されている。
新型コロナウイルスの患者10名に対する全回復期間に対するLUS画像のアプローチに関する詳細な分析では、平均5倍のクロスバリデーション精度、感度、特異性はそれぞれ5000コマで97%、93%、98%となっている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Ultrasound is fast becoming an inevitable diagnostic tool for regular and
continuous monitoring of the lung with the recent outbreak of COVID-19. In this
work, a novel approach is presented to extract acoustic propagation-based
features to automatically highlight the region below pleura, which is an
important landmark in lung ultrasound (LUS). Subsequently, a multichannel input
formed by using the acoustic physics-based feature maps is fused to train a
neural network, referred to as LUSNet, to classify the LUS images into five
classes of varying severity of lung infection to track the progression of
COVID-19. In order to ensure that the proposed approach is agnostic to the type
of acquisition, the LUSNet, which consists of a U-net architecture is trained
in an unsupervised manner with the acoustic feature maps to ensure that the
encoder-decoder architecture is learning features in the pleural region of
interest. A novel combination of the U-net output and the U-net encoder output
is employed for the classification of severity of infection in the lung. A
detailed analysis of the proposed approach on LUS images over the infection to
full recovery period of ten confirmed COVID-19 subjects shows an average
five-fold cross-validation accuracy, sensitivity, and specificity of 97%, 93%,
and 98% respectively over 5000 frames of COVID-19 videos. The analysis also
shows that, when the input dataset is limited and diverse as in the case of
COVID-19 pandemic, an aided effort of combining acoustic propagation-based
features along with the gray scale images, as proposed in this work, improves
the performance of the neural network significantly and also aids the labelling
and triaging process.
- Abstract（参考訳）: 超音波は、新型コロナウイルス(COVID-19)の流行に伴う肺の定期的かつ継続的なモニタリングのための必然的な診断ツールになりつつある。
本研究では,肺超音波(lus)の重要な特徴である胸膜下領域を自動的に強調する音響伝搬に基づく特徴抽出法を提案する。
その後、音響物理に基づく特徴マップを用いて形成されたマルチチャネル入力を融合して、LUSNetと呼ばれるニューラルネットワークを訓練し、肺感染症の重症度の異なる5つのクラスに分類し、COVID-19の進行を追跡する。
提案手法が取得の種類に依存しないことを保証するため,U-netアーキテクチャからなるLUSNetを音響特徴マップを用いて教師なしで訓練し,エンコーダ・デコーダアーキテクチャが関心領域の特徴を学習していることを保証する。
U-net出力とU-netエンコーダ出力の新たな組み合わせは、肺感染症の重症度を分類するために用いられる。
新型コロナウイルスの患者10名に対する全回復期間に対するLUS画像のアプローチに関する詳細な分析では、平均5倍のクロスバリデーション精度、感度、特異性はそれぞれ5000コマで97%、93%、98%となっている。
この分析は、新型コロナウイルスのパンデミックの場合のように入力データセットが限定的かつ多様である場合、グレースケールの画像とともに音響伝搬に基づく特徴を組み合わせ、ニューラルネットワークの性能を大幅に改善し、ラベル付けとトリアージのプロセスを支援することも示している。
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) - 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) - covEcho Resource constrained lung ultrasound image analysis tool for
faster triaging and active learning [2.4432369908176543]
リアルタイムの軽量なアクティブラーニングベースのアプローチは、新型コロナウイルス患者でより高速なトリアージを実現するために提案されている。
提案手法は、LUSランドマークの予測において平均平均精度(mAP)が66%、IoU(Intersection over Union)閾値が0.5である。
14MBの軽量YOLOv5sネットワークは、Quadro P4000 GPUで動作しながら123FPSを達成する。
論文 参考訳（メタデータ） (2022-06-21T08:38:45Z) - COVID-Net UV: An End-to-End Spatio-Temporal Deep Neural Network
Architecture for Automated Diagnosis of COVID-19 Infection from Ultrasound
Videos [70.60433013657693]
COVID-Netは、空間的特徴を抽出する畳み込みニューラルネットワークと、時間的依存を学習するリカレントニューラルネットワークで構成される。
ネットワークの平均精度は94.44%で、新型コロナウイルスの患者には偽陰性なケースはない。
論文 参考訳（メタデータ） (2022-05-18T13:59:16Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - COVID-Net US-X: Enhanced Deep Neural Network for Detection of COVID-19
Patient Cases from Convex Ultrasound Imaging Through Extended Linear-Convex
Ultrasound Augmentation Learning [75.74756992992147]
世界人口は新型コロナウイルス(COVID-19)のパンデミックの影響で大きな影響を受け続けている。
医療用ポイント・オブ・ケア・超音波(POCUS)画像は、低コストで有効な画像モダリティとして利用されてきている。
POCUSを使用した新型コロナウイルススクリーニングのためのディープニューラルネットワークを構築する上での大きな課題は、使用するプローブの種類だ。
論文 参考訳（メタデータ） (2022-04-29T02:13:39Z) - COVID-19 Pneumonia and Influenza Pneumonia Detection Using Convolutional
Neural Networks [0.0]
我々は、新型コロナウイルス肺炎、インフルエンザウイルス肺炎、および正常なバイオマーカーの鑑別を支援するコンピュータソリューションを開発した。
その分類性能において、最高の性能モデルでは、検証精度は93%、F1スコアは0.95であった。
論文 参考訳（メタデータ） (2021-12-14T01:59:25Z) - CHS-Net: A Deep learning approach for hierarchical segmentation of
COVID-19 infected CT images [0.6091702876917281]
新型重症急性呼吸器症候群(SARS-CoV-2)のパンデミックが世界中で広がっています。
CT(Computerd Tomography)、X線などの医療画像は、臓器の構造に関する優れた詳細を提示することにより、患者の診断に重要な役割を果たします。
ディープラーニング技術は、新型コロナウイルスなどの疾患やウイルスの迅速な診断を支援するために、そのようなスキャンを分析する強みを示しています。
論文 参考訳（メタデータ） (2020-12-13T15:02:05Z) - Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray
images using fine-tuned deep neural networks [4.294650528226683]
新型コロナウイルスは肺炎に似た呼吸器症候群である。
科学者、研究者、医療専門家は、肺感染症の特定によって、新型コロナウイルスの迅速かつ自動化された診断に貢献している。
本稿では,様々な最先端ディープラーニング手法における非バイアスの微調整学習(トランスファーラーニング)に対するランダムなオーバーサンプリングと重み付きクラス損失関数アプローチを提案する。
論文 参考訳（メタデータ） (2020-04-23T10:24:34Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z)
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。