論文の概要: A hybrid deep learning framework for Covid-19 detection via 3D Chest CT
Images
- arxiv url: http://arxiv.org/abs/2107.03904v1
- Date: Thu, 8 Jul 2021 15:37:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-09 15:53:23.138089
- Title: A hybrid deep learning framework for Covid-19 detection via 3D Chest CT
Images
- Title（参考訳）: 3次元胸部CT画像によるCovid-19検出のためのハイブリッドディープラーニングフレームワーク
- Authors: Shuang Liang
- Abstract要約: 本稿では,畳み込みニューラルネットワークとトランスフォーマーを組み合わせた3D胸部CT画像によるCOVID-19検出のためのハイブリッドディープラーニングフレームワークCTNetを提案する。
これは、CTスキャンから十分な特徴を抽出するためにSEが注目するCNN特徴抽出モジュールと、3D CTスキャンの識別特徴をモデル化するトランスフォーマーモデルで構成されている。
- 参考スコア（独自算出の注目度）: 5.3708513698154015
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we present a hybrid deep learning framework named CTNet which
combines convolutional neural network and transformer together for the
detection of COVID-19 via 3D chest CT images. It consists of a CNN feature
extractor module with SE attention to extract sufficient features from CT
scans, together with a transformer model to model the discriminative features
of the 3D CT scans. Compared to previous works, CTNet provides an effective and
efficient method to perform COVID-19 diagnosis via 3D CT scans with data
resampling strategy. Advanced results on a large and public benchmarks,
COV19-CT-DB database was achieved by the proposed CTNet, over the
state-of-the-art baseline approachproposed together with the dataset.
- Abstract（参考訳）: 本稿では,畳み込みニューラルネットワークとトランスフォーマーを組み合わせた3次元胸部CT画像によるCOVID-19検出のためのハイブリッドディープラーニングフレームワークCTNetを提案する。
これは、CTスキャンから十分な特徴を抽出するためにSEが注目するCNN特徴抽出モジュールと、3D CTスキャンの識別特徴をモデル化するトランスフォーマーモデルで構成されている。
従来の研究と比較すると、CTNetは、データ再サンプリング戦略を備えた3D CTスキャンによる新型コロナウイルスの診断を効果的かつ効率的に行う方法を提供している。
大規模かつパブリックなベンチマークによる高度な結果、COV19-CT-DBデータベースは、提案されたCTNetによって達成された。
関連論文リスト
- Dual Multi-scale Mean Teacher Network for Semi-supervised Infection
Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。
現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。
既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
論文 参考訳（メタデータ） (2022-11-10T13:11:21Z) - Res-Dense Net for 3D Covid Chest CT-scan classification [4.587122314291089]
重み付きディープニューラルネットワークを用いて3次元CTスキャン画像からCovid 19を検出する手法を提案する。
この手法は,いくつかの評価指標において競合性能を達成する。
論文 参考訳（メタデータ） (2022-08-09T09:13:00Z) - Adaptive GLCM sampling for transformer-based COVID-19 detection on CT [15.721176922155406]
本稿では,新しいデータキュレーションと適応サンプリング手法を用いたトランスフォーマーを用いたCOVID-19検出手法を提案する。
実験結果から,提案手法はモデル変更の困難さを伴わずに,大きなマージンで検出性能を向上することを示した。
論文 参考訳（メタデータ） (2022-07-04T15:31:21Z) - COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset
for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。
COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。
我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
論文 参考訳（メタデータ） (2022-06-07T06:35:48Z) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳（メタデータ） (2021-11-16T15:03:42Z) - MIA-COV19D: COVID-19 Detection through 3-D Chest CT Image Analysis [4.5497948012757865]
約5,000個の3次元CTスキャンからなる,COVID-19に注釈を付したCOV19-CT-DBデータベースについて報告する。
プライバシー上の問題から、公開可能なCOVID-19 CTデータセットの入手は非常に困難である。
また,CNN-RNNネットワークに基づく深層学習手法を提案し,その性能をCOVID19-CT-DBデータベース上で報告する。
論文 参考訳（メタデータ） (2021-06-14T15:48:14Z) - Automated Model Design and Benchmarking of 3D Deep Learning Models for
COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。
また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文 参考訳（メタデータ） (2021-01-14T03:45:01Z) - A Multi-Stage Attentive Transfer Learning Framework for Improving
COVID-19 Diagnosis [49.3704402041314]
新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。
提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。
本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2021-01-14T01:39:19Z) - 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)
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。