論文の概要: Resetting the baseline: CT-based COVID-19 diagnosis with Deep Transfer
Learning is not as accurate as widely thought
- arxiv url: http://arxiv.org/abs/2108.05649v1
- Date: Thu, 12 Aug 2021 10:34:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-13 14:47:09.552132
- Title: Resetting the baseline: CT-based COVID-19 diagnosis with Deep Transfer
Learning is not as accurate as widely thought
- Title（参考訳）: ベースラインのリセット:Deep Transfer Learningを用いたCTベースのCOVID-19診断は、広く考えられているほど正確ではない
- Authors: Fouzia Altaf, Syed M.S. Islam, Naveed Akhtar
- Abstract要約: コンピュータ支援による新型コロナウイルスの診断では、ディープラーニングが急速に普及している。
画像モデルを用いたCTベースの新型コロナウイルス検出は、現在医療画像研究の最前線にある。
文献を批判的に分析した結果,異なる結果の相違が顕著であることがわかった。
- 参考スコア（独自算出の注目度）: 20.66890710233269
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning is gaining instant popularity in computer aided diagnosis of
COVID-19. Due to the high sensitivity of Computed Tomography (CT) to this
disease, CT-based COVID-19 detection with visual models is currently at the
forefront of medical imaging research. Outcomes published in this direction are
frequently claiming highly accurate detection under deep transfer learning.
This is leading medical technologists to believe that deep transfer learning is
the mainstream solution for the problem. However, our critical analysis of the
literature reveals an alarming performance disparity between different
published results. Hence, we conduct a systematic thorough investigation to
analyze the effectiveness of deep transfer learning for COVID-19 detection with
CT images. Exploring 14 state-of-the-art visual models with over 200 model
training sessions, we conclusively establish that the published literature is
frequently overestimating transfer learning performance for the problem, even
in the prestigious scientific sources. The roots of overestimation trace back
to inappropriate data curation. We also provide case studies that consider more
realistic scenarios, and establish transparent baselines for the problem. We
hope that our reproducible investigation will help in curbing hype-driven
claims for the critical problem of COVID-19 diagnosis, and pave the way for a
more transparent performance evaluation of techniques for CT-based COVID-19
detection.
- Abstract（参考訳）: ディープラーニングは、新型コロナウイルス(covid-19)のコンピュータ診断で瞬時に人気を集めている。
この疾患に対するCT(Computed Tomography)の高感度性のため、画像モデルを用いたCTベースのCOVID-19検出は、現在医療画像研究の最前線にある。
この方向で発表された成果は、深層移動学習下での高精度な検出をしばしば主張している。
このことが、深層トランスファー学習がこの問題のメインストリームな解決策であると考える医療技術者を導いている。
しかし,本論文の批判的分析により,発表結果の相違が明らかとなった。
そこで我々は,CT画像を用いたCOVID-19検出における深層移動学習の有効性を系統的に検討した。
200以上のモデルトレーニングセッションを持つ14の最先端のビジュアルモデルについて検討し、出版文献が高名な科学資料でさえ、問題に対する転校学習性能を過大評価していると結論づけた。
過大評価の根源は不適切なデータキュレーションにまで遡る。
さらに,より現実的なシナリオを考察したケーススタディを提供し,この問題に対する透過的なベースラインを確立する。
再現可能な調査は、新型コロナウイルスの診断の重大な問題に対する誇大広告による主張を抑えるのに役立ち、CTベースの新型コロナウイルス検出技術をより透明に評価する道を開くことを願っている。
関連論文リスト
- An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging
for High Precision COVID-19 Diagnostics [0.0]
決定支援システムは、画像の物理的検査に固有の課題を緩和する。
ほとんどのディープラーニングアルゴリズムは、リソース制約のあるデバイスの実装には適していない。
本稿では,MobileNetV2モデルを用いた新型コロナウイルス検出のための軽量深層学習手法の開発と評価について述べる。
論文 参考訳（メタデータ） (2023-05-30T13:14:03Z) - A review of Deep learning Techniques for COVID-19 identification on
Chest CT images [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、肺に直接影響を及ぼす人類にとって深刻な脅威だ。
新型コロナウイルスの診断法としては、RT-PCR(Reverse Transcription Polymerase Chain Reaction)がある。
研究者たちは、新型コロナウイルスのCT画像分類に非常に効果的であることを証明した。
論文 参考訳（メタデータ） (2022-07-29T18:27:20Z) - Challenges in COVID-19 Chest X-Ray Classification: Problematic Data or
Ineffective Approaches? [0.0]
胸部X線写真から新型コロナウイルスの感染を分類し、検出するための深層学習。
本研究では,データと機械学習の両方の観点から,信頼性の高いAIソリューションを作成する上で直面する課題について検討する。
論文 参考訳（メタデータ） (2022-01-16T14:12:04Z) - 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) - Dual-Consistency Semi-Supervised Learning with Uncertainty
Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。
提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
論文 参考訳（メタデータ） (2021-04-07T16:23:35Z) - Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。
深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。
そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
論文 参考訳（メタデータ） (2021-02-01T02:37:49Z) - COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19
from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。
説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。
結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
論文 参考訳（メタデータ） (2021-01-19T03:04:09Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳（メタデータ） (2020-09-22T11:53:06Z) - 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) - 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) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-12T16:24:59Z)
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。