論文の概要: COVID-view: Diagnosis of COVID-19 using Chest CT

• arxiv url: http://arxiv.org/abs/2108.03799v1
• Date: Mon, 9 Aug 2021 04:19:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-10 14:59:25.877990
• Title: COVID-view: Diagnosis of COVID-19 using Chest CT
• Title（参考訳）: 胸部ctによるcovid-19診断
• Authors: Shreeraj Jadhav, Gaofeng Deng, Marlene Zawin, Arie E. Kaufman
• Abstract要約: 新型コロナウイルス検査(COVID-view)は、放射線科医が胸部CTデータから新型コロナウイルスを診断するための可視化アプリケーションである。 このシステムには、自動肺分割、肺異常の局所化と分離、可視化、視覚的およびDL分析、測定/定量化ツールの完全なパイプラインが組み込まれている。
• 参考スコア（独自算出の注目度）: 14.039366815365288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Significant work has been done towards deep learning (DL) models for automatic lung and lesion segmentation and classification of COVID-19 on chest CT data. However, comprehensive visualization systems focused on supporting the dual visual+DL diagnosis of COVID-19 are non-existent. We present COVID-view, a visualization application specially tailored for radiologists to diagnose COVID-19 from chest CT data. The system incorporates a complete pipeline of automatic lungs segmentation, localization/ isolation of lung abnormalities, followed by visualization, visual and DL analysis, and measurement/quantification tools. Our system combines the traditional 2D workflow of radiologists with newer 2D and 3D visualization techniques with DL support for a more comprehensive diagnosis. COVID-view incorporates a novel DL model for classifying the patients into positive/negative COVID-19 cases, which acts as a reading aid for the radiologist using COVID-view and provides the attention heatmap as an explainable DL for the model output. We designed and evaluated COVID-view through suggestions, close feedback and conducting case studies of real-world patient data by expert radiologists who have substantial experience diagnosing chest CT scans for COVID-19, pulmonary embolism, and other forms of lung infections. We present requirements and task analysis for the diagnosis of COVID-19 that motivate our design choices and results in a practical system which is capable of handling real-world patient cases.
• Abstract（参考訳）: 胸部ctデータを用いた自動肺・病変分画およびcovid-19分類のための深層学習モデル(dl)の研究が盛んに行われている。 しかし、COVID-19の二重視覚+DL診断を支援する総合的な可視化システムは存在しない。 放射線医が胸部CTデータから新型コロナウイルスを診断するための可視化アプリケーションであるCOVID-viewを紹介する。 このシステムには、自動肺分割、肺の異常の局所化と分離、可視化、視覚的およびDL分析、測定/定量化ツールが組み込まれている。 従来の放射線医の2Dワークフローと,より新しい2Dおよび3D可視化技術と,より包括的診断のためのDLサポートを組み合わせる。 covid-viewには、患者を陽性/陰性の患者に分類するための新しいdlモデルが組み込まれており、これはcovid-19-viewを使用して放射線科医の読書支援となり、モデル出力のための説明可能なdlとしてアテンションヒートマップを提供する。 HIV、肺塞栓症、その他の肺感染症の胸部CT検査をかなり経験した専門医による、提案、フィードバック、実世界の患者データのケーススタディにより、COVID-viewを設計、評価した。 デザイン選択を動機づける新型コロナウイルス(covid-19)の診断の要件と課題分析を行い,現実の患者を対応できる実用的なシステムを構築した。

関連論文リスト

• COVID-VR: A Deep Learning COVID-19 Classification Model Using Volume-Rendered Computer Tomography [0.0]
  COVID-VRは、複数の角度から捉えた肺の容積レンダリング画像に基づいて、肺疾患を分類するための新しいアプローチである。 本稿では,複数の角度から肺の容積レンダリング画像に基づいて肺疾患を分類する新しいアプローチであるCOVID-VRを紹介する。
  論文  参考訳（メタデータ） (2023-08-02T21:13:10Z)
• CXR-Net: An Encoder-Decoder-Encoder Multitask Deep Neural Network for Explainable and Accurate Diagnosis of COVID-19 pneumonia with Chest X-ray Images [2.2098092675263423]
  そこで本研究では,CXRNetを用いた新型コロナウイルス検出のための新しいディープラーニングフレームワークを提案する。 提案するフレームワークは,新しいマルチタスクアーキテクチャに基づいており,疾患の分類と視覚的説明が可能である。 実験結果から,提案手法は良好な精度が得られることが示された。
  論文  参考訳（メタデータ） (2021-10-20T22:50:35Z)
• COVID-Rate: An Automated Framework for Segmentation of COVID-19 Lesions from Chest CT Scans [29.266579630983358]
  パンデミック時代には、専門家の放射線学者による新型コロナウイルスの肺病変の視覚的評価と定量化が高価になり、エラーが生じる傾向にある。 専門医に注釈を付された82例のCT画像433点を含むオープンアクセス型COVID-19 CTセグメンテーションデータセットについて紹介する。 Deep Neural Network(DNN)ベースのフレームワークであるCOVID-Rateは、胸部CTスキャンからCOVID-19に関連する肺の異常を自律的に分離する。
  論文  参考訳（メタデータ） (2021-07-04T03:19:43Z)
• Learning from Pseudo Lesion: A Self-supervised Framework for COVID-19 Diagnosis [22.54540093657541]
  コロナウイルス感染症2019(COVID-19)は、2019年12月の報告以来、世界中で急速に拡大している。 近年、ディープラーニングに基づくアプローチは、無数の画像認識タスクにおいて顕著なパフォーマンスを示している。 本報告では, 疑似病変の発生と回復に基づく自己指導型事前訓練法を提案する。
  論文  参考訳（メタデータ） (2021-06-23T11:21:30Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• COVID-Net CT-S: 3D Convolutional Neural Network Architectures for COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
  我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。 3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
  論文  参考訳（メタデータ） (2021-05-04T04:44:41Z)
• 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)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• 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。