Fugu-MT 論文翻訳(概要): Lung Ultrasound Segmentation and Adaptation between COVID-19 and Community-Acquired Pneumonia

論文の概要: Lung Ultrasound Segmentation and Adaptation between COVID-19 and Community-Acquired Pneumonia

arxiv url: http://arxiv.org/abs/2108.03138v1
Date: Fri, 6 Aug 2021 14:17:51 GMT
ステータス: 処理完了
システム内更新日: 2021-08-09 16:28:30.833252
Title: Lung Ultrasound Segmentation and Adaptation between COVID-19 and Community-Acquired Pneumonia
Title（参考訳）: 肺超音波の分節化とcovid-19と市中肺炎の適応
Authors: Harry Mason, Lorenzo Cristoni, Andrew Walden, Roberto Lazzari, Thomas Pulimood, Louis Grandjean, Claudia AM Gandini Wheeler-Kingshott, Yipeng Hu, Zachary MC Baum
Abstract要約: 深層ニューラルネットワークを用いた超音声的B線分割作業に着目する。我々は、COVID-19とCAP肺超音波データの両方を用いて、ネットワークをトレーニングする。いずれかのタイプの肺疾患を推測する際には、様々な臨床応用が期待できる。
参考スコア（独自算出の注目度）: 0.17159130619349347
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Lung ultrasound imaging has been shown effective in detecting typical patterns for interstitial pneumonia, as a point-of-care tool for both patients with COVID-19 and other community-acquired pneumonia (CAP). In this work, we focus on the hyperechoic B-line segmentation task. Using deep neural networks, we automatically outline the regions that are indicative of pathology-sensitive artifacts and their associated sonographic patterns. With a real-world data-scarce scenario, we investigate approaches to utilize both COVID-19 and CAP lung ultrasound data to train the networks; comparing fine-tuning and unsupervised domain adaptation. Segmenting either type of lung condition at inference may support a range of clinical applications during evolving epidemic stages, but also demonstrates value in resource-constrained clinical scenarios. Adapting real clinical data acquired from COVID-19 patients to those from CAP patients significantly improved Dice scores from 0.60 to 0.87 (p < 0.001) and from 0.43 to 0.71 (p < 0.001), on independent COVID-19 and CAP test cases, respectively. It is of practical value that the improvement was demonstrated with only a small amount of data in both training and adaptation data sets, a common constraint for deploying machine learning models in clinical practice. Interestingly, we also report that the inverse adaptation, from labelled CAP data to unlabeled COVID-19 data, did not demonstrate an improvement when tested on either condition. Furthermore, we offer a possible explanation that correlates the segmentation performance to label consistency and data domain diversity in this point-of-care lung ultrasound application.
Abstract（参考訳）: 肺超音波検査は間質性肺炎の典型的なパターンを検出するのに有効であることが、COVID-19および他の地域性肺炎(CAP)患者のポイント・オブ・ケア・ツールとして示されている。本研究では,ハイパーエコーb線分節化タスクに注目する。深層ニューラルネットワークを用いて病理に敏感なアーチファクトとその超音波パターンを示す領域を自動的に概説する。実世界のデータスカースシナリオでは、COVID-19とCAP肺超音波データを用いてネットワークをトレーニングする手法について検討し、微調整と教師なしドメイン適応の比較を行った。いずれのタイプの肺条件を推論において分割することは、流行の進行段階において様々な臨床応用をサポートするが、資源制約された臨床シナリオの価値も示す。実際の臨床データをCAP患者に適応させることで、Diceのスコアは0.60から0.87(p < 0.001)に、独立したCOVID-19患者では0.43から0.71(p < 0.001)に改善した。臨床実践において機械学習モデルをデプロイするための一般的な制約であるトレーニングデータセットと適応データセットの両方において、少量のデータだけで改善が実証されたことは実用的価値である。また,ラベル付きCAPデータから未ラベルのCOVID-19データへの逆適応は,いずれの条件においても改善しなかったことも報告した。さらに, このポイント・オブ・ケア肺超音波応用において, セグメンテーション性能とラベルの一貫性, データ領域の多様性を相関させる可能性を示す。

関連論文リスト

Domain Adaptation Using Pseudo Labels for COVID-19 Detection [19.844531606142496]
ドメイン適応のために擬似ラベルを利用する2段階のフレームワークを提案する。あるドメインからのアノテートデータと別のドメインからの非アノテートデータを利用することで、モデルはデータの不足と可変性の課題を克服する。 COV19-CT-DBデータベースの実験結果は、高い診断精度を達成するためのモデルの可能性を示している。
論文参考訳（メタデータ） (2024-03-18T06:07:45Z)
Development of a Multi-Task Learning V-Net for Pulmonary Lobar Segmentation on Computed Tomography and Application to Diseased Lungs [0.19573380763700707]
疾患のある肺領域は、しばしばCT画像に高密度ゾーンを生成し、損傷した葉を特定するアルゴリズムの実行を制限する。この影響は、肺葉を分節する機械学習手法の改善を動機づけた。このアプローチは、放射線科医のロバストなツールとして臨床現場で容易に採用することができる。
論文参考訳（メタデータ） (2021-05-11T17:10:25Z)
Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文参考訳（メタデータ） (2021-05-06T10:21:28Z)
Systematic investigation into generalization of COVID-19 CT deep learning models with Gabor ensemble for lung involvement scoring [9.94980188821453]
本研究は,COVID-19 CTデータを用いたキーパブリッシュモデルの一般化可能性について検討する。次に、独立した新しいデータセットを使用して、新型コロナウイルスの重症度に関するこれらのモデルの予測能力を評価する。
論文参考訳（メタデータ） (2021-04-20T03:49:48Z)
Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文参考訳（メタデータ） (2021-02-18T21:14:52Z)
An Explainable AI System for Automated COVID-19 Assessment and Lesion Categorization from CT-scans [8.694504007704994]
SARS-CoV-2病原体による新型コロナウイルス感染症は、世界中で壊滅的なパンデミックである。深層学習パラダイムに基づくAIを用いたパイプラインを提案し,CTスキャンによるCOVID-19検出と病変分類を自動化した。
論文参考訳（メタデータ） (2021-01-28T11:47:35Z)
Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文参考訳（メタデータ） (2020-11-24T17:44:01Z)
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)
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)
COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文参考訳（メタデータ） (2020-04-30T03:13:40Z)

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。

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。