Fugu-MT 論文翻訳(概要): Segmentation of Lungs COVID Infected Regions by Attention Mechanism and Synthetic Data

論文の概要: Segmentation of Lungs COVID Infected Regions by Attention Mechanism and Synthetic Data

arxiv url: http://arxiv.org/abs/2108.08895v1
Date: Thu, 19 Aug 2021 20:15:47 GMT
ステータス: 処理完了
システム内更新日: 2021-08-23 13:32:35.748449
Title: Segmentation of Lungs COVID Infected Regions by Attention Mechanism and Synthetic Data
Title（参考訳）: 注意機構と合成データによる肺感染領域の分節化
Authors: Parham Yazdekhasty, Ali Zindari, Zahra Nabizadeh-ShahreBabak, Pejman Khadivi, Nader Karimi, Shadrokh Samavi
Abstract要約: 本研究は,感染した肺領域をCT画像に分割する手法を提案する。注意機構を備えた畳み込みニューラルネットワークを用いて、複雑なパターンを持つ感染領域を検出する。生成敵対ネットワークは、利用可能な小さなデータセットのデータの増大及び拡張のための合成画像を生成する。
参考スコア（独自算出の注目度）: 10.457311689444769
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Coronavirus has caused hundreds of thousands of deaths. Fatalities could decrease if every patient could get suitable treatment by the healthcare system. Machine learning, especially computer vision methods based on deep learning, can help healthcare professionals diagnose and treat COVID-19 infected cases more efficiently. Hence, infected patients can get better service from the healthcare system and decrease the number of deaths caused by the coronavirus. This research proposes a method for segmenting infected lung regions in a CT image. For this purpose, a convolutional neural network with an attention mechanism is used to detect infected areas with complex patterns. Attention blocks improve the segmentation accuracy by focusing on informative parts of the image. Furthermore, a generative adversarial network generates synthetic images for data augmentation and expansion of small available datasets. Experimental results show the superiority of the proposed method compared to some existing procedures.
Abstract（参考訳）: コロナウイルスは何十万人もの死者を出した。全ての患者が適切な治療を受けることができれば、死亡率は低下する可能性がある。機械学習、特にディープラーニングに基づくコンピュータビジョンの手法は、医療専門家が新型コロナウイルス感染症の診断と治療をより効率的に行うのに役立つ。したがって、感染した患者は医療システムからより良いサービスを得て、新型コロナウイルスによる死者数を減らすことができる。本研究は,感染した肺領域をCT画像に分割する手法を提案する。この目的のために、注意機構を備えた畳み込みニューラルネットワークを用いて、複雑なパターンを持つ感染領域を検出する。注意ブロックは、画像の情報部分に着目してセグメンテーション精度を向上させる。さらに、生成敵対ネットワークは、利用可能な小さなデータセットのデータの増大と拡張のための合成画像を生成する。実験の結果,提案手法は既存の方法に比べて優れていることがわかった。

関連論文リスト

CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients [57.31670527557228]
本稿では,レプロシー患者のRGB創傷画像の拡張コレクションであるCO2Wounds-V2データセットについて紹介する。医療分野における画像処理アルゴリズムの開発とテストを強化することを目的としている。
論文参考訳（メタデータ） (2024-08-20T13:21:57Z)
Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文参考訳（メタデータ） (2023-10-11T05:49:47Z)
Mixed Attention with Deep Supervision for Delineation of COVID Infection in Lung CT [0.24366811507669117]
新しい深層学習アーキテクチャであるMiADS-Net(Mixed Attention Deeply Supervised Network)を提案する。 MiADS-Netは、COVID-19病変のセグメンテーションタスクにおいて、最先端のアーキテクチャよりも優れています。
論文参考訳（メタデータ） (2023-01-17T15:36:27Z)
COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文参考訳（メタデータ） (2023-01-04T16:05:51Z)
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)
Automatic Deep Learning System for COVID-19 Infection Quantification in chest CT [0.0]
本稿では、新型コロナウイルス感染症領域のセグメンテーションのための自動深層学習システムを提案する。提案するFCNは,連結スキップ接続を有する残差ブロックを改良したU-netアーキテクチャを用いて実装されている。提案手法の一般化と有効性を示すため,多種多様なデータセットから抽出した多数の2次元CTスライスを用いて訓練・試験を行った。
論文参考訳（メタデータ） (2020-10-01T21:05:59Z)
An Attention Mechanism with Multiple Knowledge Sources for COVID-19 Detection from CT Images [1.6882040908691862]
本稿では,医師の判断に関連する有用な情報ソースを活用することで,いくつかの基準線の性能を向上させるための新しい戦略を提案する。学習中の注意機構を介して,学習ネットワークから抽出した感染領域と熱マップをグローバル画像に統合する。この手法は, 騒音に対する耐性を高めるだけでなく, 局所的な病変領域に焦点を絞ったネットワークを誘導する。
論文参考訳（メタデータ） (2020-09-23T09:05:24Z)
An encoder-decoder-based method for COVID-19 lung infection segmentation [3.561478746634639]
本稿では,CTスキャン画像を用いた多タスク深層学習による肺感染症セグメンテーションを提案する。提案手法は,データやラベル付き画像が不足していても,肺感染症を高いパフォーマンスで分離することができる。
論文参考訳（メタデータ） (2020-07-02T04:02:03Z)
Automated Chest CT Image Segmentation of COVID-19 Lung Infection based on 3D U-Net [0.0]
新型コロナウイルス(COVID-19)は世界中の何十億もの生命に影響を与え、公衆医療に大きな影響を与えている。新型コロナウイルス感染地域のための革新的な自動セグメンテーションパイプラインを提案する。本手法は,複数の前処理手法を実行することにより,一意およびランダムな画像パッチをオンザフライで生成する訓練に焦点をあてる。
論文参考訳（メタデータ） (2020-06-24T17:29:26Z)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)
Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。