論文の概要: Implementing a Detection System for COVID-19 based on Lung Ultrasound Imaging and Deep Learning

• arxiv url: http://arxiv.org/abs/2106.10651v1
• Date: Sun, 20 Jun 2021 08:33:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-22 15:17:35.102960
• Title: Implementing a Detection System for COVID-19 based on Lung Ultrasound Imaging and Deep Learning
• Title（参考訳）: 肺超音波画像とディープラーニングを用いたcovid-19検出システムの実現
• Authors: Carlos Rojas-Azabache, Karen Vilca-Janampa, Renzo Guerrero-Huayta, Dennis N\'u\~nez-Fern\'andez
• Abstract要約: 新型コロナウイルスのパンデミックは2019年12月に中国で始まり、急速に複数の国に広がった。 このパンデミックを大規模にコントロールするには、患者の発見と治療のための高速ツールが必要である。 本稿では、超音波イメージングとDeep Learning技術を用いた新型コロナウイルス検出システムについて、現在進行中の課題について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The COVID-19 pandemic started in China in December 2019 and quickly spread to several countries. The consequences of this pandemic are incalculable, causing the death of millions of people and damaging the global economy. To achieve large-scale control of this pandemic, fast tools for detection and treatment of patients are needed. Thus, the demand for alternative tools for the diagnosis of COVID-19 has increased dramatically since accurated and automated tools are not available. In this paper we present the ongoing work on a system for COVID-19 detection using ultrasound imaging and using Deep Learning techniques. Furthermore, such a system is implemented on a Raspberry Pi to make it portable and easy to use in remote regions without an Internet connection.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックは2019年12月に中国で始まり、急速に複数の国に広がった。 このパンデミックの結果は計り知れず、何百万人もの人々が死亡し、世界経済に打撃を与えている。 このパンデミックを大規模にコントロールするには、患者の検出と治療のための高速ツールが必要である。 このように、正確かつ自動化されたツールが入手できないため、新型コロナウイルスの診断のための代替ツールの需要は劇的に増加している。 本稿では,超音波イメージングとDeep Learning技術を用いた新型コロナウイルス検出システムについて述べる。 さらに、このようなシステムはraspberry pi上に実装され、インターネット接続なしでポータブルで、遠隔地でも簡単に使用できる。

関連論文リスト

• COVID-19 Detection Based on Blood Test Parameters using Various Artificial Intelligence Methods [1.2408125305560274]
  2019年には、新型コロナウイルスによる新型コロナウイルス感染症SARS-CoV-2(SARS-CoV-2)という新たな課題に直面した。 本研究は、自己分類分類器を用いて、さまざまなAI手法を用いて、新型コロナウイルス患者と他者とを区別することを目的とした。
  論文  参考訳（メタデータ） (2024-04-02T22:49:25Z)
• 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)
• A Transfer Learning Based Approach for Classification of COVID-19 and Pneumonia in CT Scan Imaging [0.0]
  世界は依然として新型コロナウイルス(COVID-19)の感染拡大に圧倒されている。2021年11月時点の感染者は2億5000万人を超え、219か国、領土に影響を及ぼし、世界はパンデミック期にある。 本研究は、COVID-19肺炎患者、細菌性肺炎、ウイルス性肺炎、健康な(正常な)患者を分類するためのディープラーニングに基づくアプローチを提案することを目的とする。 提案手法は, 実装コストを低減し, 地理的に異なる地域, 特に農村部, 開発地域において容易に実装, 利用できるように, 意図的に単純化されている。
  論文  参考訳（メタデータ） (2022-10-17T20:08:41Z)
• 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)
• Project Achoo: A Practical Model and Application for COVID-19 Detection from Recordings of Breath, Voice, and Cough [55.45063681652457]
  コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。 この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。 我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
  論文  参考訳（メタデータ） (2021-07-12T08:07:56Z)
• 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)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Detection of COVID-19 Disease using Deep Neural Networks with Ultrasound Imaging [0.0]
  2019年の新型コロナウイルスは急速にパンデミックとなり、日常生活と公衆衛生の両方に壊滅的な影響を及ぼしている。 この流行のさらなる拡大を予防し、患者を迅速に治療するには、できるだけ早期に陽性症例を検出することが不可欠である。 本論文では,畳み込みニューラルネットワークを用いた肺超音波画像の解析を提案する。
  論文  参考訳（メタデータ） (2021-04-04T00:53:06Z)
• A Review on Deep Learning Techniques for the Diagnosis of Novel Coronavirus (COVID-19) [9.750971289236826]
  新型コロナウイルスの流行率は、世界中で毎日急増している。 深層学習技術は、新型コロナウイルス(COVID-19)の自動診断に臨床医が使用する兵器において、強力なツールであることが証明された。
  論文  参考訳（メタデータ） (2020-08-09T02:37:50Z)
• 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。