Fugu-MT 論文翻訳(概要): CxSE: Chest X-ray Slow Encoding CNN forCOVID-19 Diagnosis

論文の概要: CxSE: Chest X-ray Slow Encoding CNN forCOVID-19 Diagnosis

arxiv url: http://arxiv.org/abs/2106.12157v1
Date: Wed, 23 Jun 2021 04:57:39 GMT
ステータス: 処理完了
システム内更新日: 2021-06-24 15:15:32.555139
Title: CxSE: Chest X-ray Slow Encoding CNN forCOVID-19 Diagnosis
Title（参考訳）: cxse:胸部x線スローコードcnn forcovid-19診断
Authors: Thangarajah Akilan
Abstract要約: 感染拡大を避けるため、陽性患者を隔離するためには、迅速にウイルスを検知する必要がある。この研究は'slow CNN'と呼ばれる新しい畳み込みニューラルネットワークアーキテクチャを提案する。
参考スコア（独自算出の注目度）: 3.274290296343038
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The coronavirus continues to disrupt our everyday lives as it spreads at an exponential rate. It needs to be detected quickly in order to quarantine positive patients so as to avoid further spread. This work proposes a new convolutional neural network (CNN) architecture called 'slow Encoding CNN. The proposed model's best performance wrt Sensitivity, Positive Predictive Value (PPV) found to be SP=0.67, PP=0.98, SN=0.96, and PN=0.52 on AI AGAINST COVID19 - Screening X-ray images for COVID-19 Infections competition's test data samples. SP and PP stand for the Sensitivity and PPV of the COVID-19 positive class, while PN and SN stand for the Sensitivity and PPV of the COVID-19 negative class.
Abstract（参考訳）: 新型コロナウイルスは指数的なペースで広がる中、私たちの日常生活を混乱させ続けている。さらなる拡散を避けるために、陽性患者を隔離するためには迅速に検出する必要がある。この研究は、'slow Encoding CNN'と呼ばれる新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。提案されたモデルで最高の性能であるPPV(Positive Predictive Value)は、SP=0.67、PP=0.98、SN=0.96、PN=0.52でAI AGAINST COVID19 - 新型コロナウイルスの検査データサンプルのX線画像のスクリーニングを行う。 SP と PP は COVID-19 陽性クラスの感度と PPV を表し、PN と SN は COVID-19 陰性クラスの感度と PPV を表す。

関連論文リスト

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)
The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
論文参考訳（メタデータ） (2021-09-18T02:28:01Z)
Generation of COVID-19 Chest CT Scan Images using Generative Adversarial Networks [0.0]
SARS-CoV-2は、新型コロナウイルスに感染するウイルス性伝染病で、世界中で急速に広まっている。拡散を減らすために人々をテストし、分離することが非常に重要であり、ここからは、これを迅速かつ効率的に行う必要がある。いくつかの研究によると、Chest-CTは、新型コロナウイルス患者の診断において、現在の標準であるRT-PCR検査より優れている。
論文参考訳（メタデータ） (2021-05-20T13:04:21Z)
CovidGAN: Data Augmentation Using Auxiliary Classifier GAN for Improved Covid-19 Detection [6.123089440692208]
ウイルス(covid-19)は重症急性呼吸器症候群(sarscov-2)によるウイルス性疾患である。初期の結果は、covid-19を示唆する患者の胸部x線に異常が存在することを示唆している。 convolutional neural networks(cnns)のようなディープラーニングシステムは、かなりの量のトレーニングデータを必要とする。
論文参考訳（メタデータ） (2021-03-08T21:53:29Z)
FLANNEL: Focal Loss Based Neural Network Ensemble for COVID-19 Detection [61.04937460198252]
正常, 細菌性肺炎, 非ウイルス性肺炎, COVID-19の4型を有する2874例のX線画像データを構築した。 FLANNEL(Focal Loss Based Neural Ensemble Network)を提案する。 FLANNELは、すべての指標において、新型コロナウイルス識別タスクのベースラインモデルを一貫して上回っている。
論文参考訳（メタデータ） (2020-10-30T03:17:31Z)
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)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
COVID-19 Screening Using Residual Attention Network an Artificial Intelligence Approach [2.6520663596293437]
新型コロナウイルスは現在200カ国以上で600万人が感染している。人工知能を用いた新型コロナウイルススクリーニング手法を提案する。私たちの技術は、患者のウイルスの存在を確認するのにほんの数秒しかかからない。
論文参考訳（メタデータ） (2020-06-26T16:33:01Z)
A Cascaded Learning Strategy for Robust COVID-19 Pneumonia Chest X-Ray Screening [11.250464234368478]
新型コロナウイルス(SARS-CoV-2)肺炎に対する包括的スクリーニングプラットフォームを導入する。提案するAIベースのシステムは、胸部X線(CXR)画像を利用して、患者が新型コロナウイルス感染症に感染しているかどうかを予測する。
論文参考訳（メタデータ） (2020-04-24T15:44:51Z)
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)
JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文参考訳（メタデータ） (2020-04-15T12:30:40Z)

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。