Fugu-MT 論文翻訳(概要): Medical Imaging with Deep Learning for COVID- 19 Diagnosis: A Comprehensive Review

論文の概要: Medical Imaging with Deep Learning for COVID- 19 Diagnosis: A Comprehensive Review

arxiv url: http://arxiv.org/abs/2107.09602v1
Date: Tue, 13 Jul 2021 16:49:49 GMT
ステータス: 処理完了
システム内更新日: 2021-07-25 12:44:57.974427
Title: Medical Imaging with Deep Learning for COVID- 19 Diagnosis: A Comprehensive Review
Title（参考訳）: 深層学習による医療画像診断 : 総合的考察
Authors: Subrato Bharati, Prajoy Podder, M. Rubaiyat Hossain Mondal, V.B. Surya Prasath
Abstract要約: 本論文は, 深層学習モデル(DL)の医療画像・薬物発見への応用に焦点をあてる。我々は,X線やCT画像などの医療画像に基づく様々な研究と,肺炎に対するCOVID-19の分類方法について詳述した。
参考スコア（独自算出の注目度）: 1.7205106391379026
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The outbreak of novel coronavirus disease (COVID- 19) has claimed millions of lives and has affected all aspects of human life. This paper focuses on the application of deep learning (DL) models to medical imaging and drug discovery for managing COVID-19 disease. In this article, we detail various medical imaging-based studies such as X-rays and computed tomography (CT) images along with DL methods for classifying COVID-19 affected versus pneumonia. The applications of DL techniques to medical images are further described in terms of image localization, segmentation, registration, and classification leading to COVID-19 detection. The reviews of recent papers indicate that the highest classification accuracy of 99.80% is obtained when InstaCovNet-19 DL method is applied to an X-ray dataset of 361 COVID-19 patients, 362 pneumonia patients and 365 normal people. Furthermore, it can be seen that the best classification accuracy of 99.054% can be achieved when EDL_COVID DL method is applied to a CT image dataset of 7500 samples where COVID-19 patients, lung tumor patients and normal people are equal in number. Moreover, we illustrate the potential DL techniques in drug or vaccine discovery in combating the coronavirus. Finally, we address a number of problems, concerns and future research directions relevant to DL applications for COVID-19.
Abstract（参考訳）: 新型コロナウイルス感染症(COVID-19)の流行は、数百万人の命と人間の生活のあらゆる側面に影響を与えている。本稿では, 深層学習モデル(DL)の医療画像・薬物発見への応用に焦点をあてる。本稿では,x線,ct(ct)画像などの医用画像を用いた各種研究と,肺炎とcovid-19を分類するdl法について概説する。医学画像へのDL技術の応用は、画像の局在、セグメンテーション、登録、および新型コロナウイルス検出につながる分類の観点からさらに説明される。最近の論文では、InstaCovNet-19 DL法が361人、肺炎362人、正常365人のX線データセットに適用された際に、99.80%の分類精度が得られた。さらに、edl_covid dl法が、新型コロナウイルス患者、肺腫瘍患者、正常者が等しく7500例のct画像データセットに適用された場合に、99.054%の最良の分類精度が得られる。さらに、新型コロナウイルス対策における薬物やワクチンの発見におけるDL技術の可能性について述べる。最後に、新型コロナウイルス(covid-19)のdlアプリケーションに関連する多くの問題、懸念、今後の研究方向について論じる。

関連論文リスト

COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。 CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
論文参考訳（メタデータ） (2022-06-08T04:39:44Z)
Classification of COVID-19 Patients with their Severity Level from Chest CT Scans using Transfer Learning [3.667495151642095]
新型コロナウイルスの感染拡大を受け、病院のベッドなど医療機器の需要が高まっている。これを念頭に置いて、私たちは新型コロナウイルスの検出と、胸部CTスキャンとDeep Learning事前訓練モデルを用いて重症度を評価する研究を共有しています。私たちのモデルは、新型コロナウイルスとその重症度を検出するのに役立ちます。
論文参考訳（メタデータ） (2022-05-27T06:22:09Z)
Automatic Diagnosis of COVID-19 from CT Images using CycleGAN and Transfer Learning [3.0797300440355997]
事前学習したディープニューラルネットワークに基づく手法を提案する。それは手作業、すなわち99.60%の正確さのための最先端の性能に達しました。 189人の患者から3163枚の画像を含むデータセットが収集され、医師によってラベル付けされた。
論文参考訳（メタデータ） (2021-04-24T13:12:20Z)
Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文参考訳（メタデータ） (2021-03-19T14:13:56Z)
M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文参考訳（メタデータ） (2020-10-07T06:22:24Z)
A New Screening Method for COVID-19 based on Ocular Feature Recognition by Machine Learning Tools [66.20818586629278]
コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
論文参考訳（メタデータ） (2020-09-04T00:50:27Z)
Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文参考訳（メタデータ） (2020-07-20T19:08:50Z)
Automated Detection and Forecasting of COVID-19 using Deep Learning Techniques: A Review [10.153806948106684]
コロナウイルス(Coronavirus、COVID-19)は、世界中の多くの人々の健康を危険にさらす病気である。高速かつ正確な診断のために,X線およびCT画像モダリティが広く用いられている。ディープラーニング(DL)ネットワークは最近、従来の機械学習(ML)と比較して人気を博している。
論文参考訳（メタデータ） (2020-07-16T16:04:17Z)
COVID-19-CT-CXR: a freely accessible and weakly labeled chest X-ray and CT image collection on COVID-19 from biomedical literature [19.00121006721942]
我々は、COVID-19関連記事から自動的に抽出されたCXRとCT画像の公開データベースであるCOVID-19-CT-CXRを提示する。最終データベースには1,327個のCTと263個のCXRイメージが含まれており、関連するテキストがある。
論文参考訳（メタデータ） (2020-06-11T04:00:56Z)
DeepCOVIDExplainer: Explainable COVID-19 Diagnosis Based on Chest X-ray Images [1.6855835471222005]
我々は、CXR画像から新型コロナウイルスの症状を自動的に検出するための説明可能なディープニューラルネットワーク(DNN)に基づく手法を提案する。 15,854例のCXR画像15,959例を使用し,正常例,肺炎例,COVID-19例を対象とした。当社のアプローチでは、新型コロナウイルスを確実に91.6%、92.45%、96.12%の正の予測値(PPV)で識別することができる。
論文参考訳（メタデータ） (2020-04-09T15:03:58Z)
Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using Quantitative Features from Chest CT Images [54.919022945740515]
本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
論文参考訳（メタデータ） (2020-03-26T15:49:32Z)

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。