Fugu-MT 論文翻訳(概要): Evaluation of Convolutional Neural Networks for COVID-19 Classification on Chest X-Rays

論文の概要: Evaluation of Convolutional Neural Networks for COVID-19 Classification on Chest X-Rays

arxiv url: http://arxiv.org/abs/2109.02415v1
Date: Mon, 6 Sep 2021 12:57:55 GMT
ステータス: 処理完了
システム内更新日: 2021-09-07 17:31:10.872543
Title: Evaluation of Convolutional Neural Networks for COVID-19 Classification on Chest X-Rays
Title（参考訳）: 胸部x線によるcovid-19分類のための畳み込みニューラルネットワークの評価
Authors: Felipe Andr\'e Zeiser, Cristiano Andr\'e da Costa, Gabriel de Oliveira Ramos, Henrique Bohn, Ismael Santos, Rodrigo da Rosa Righi
Abstract要約: 我々は,Digital Chest X線による新型コロナウイルスによる肺炎の同定のための畳み込みニューラルネットワークの評価を提案する。提案手法は、XRの前処理ステップ、データ拡張、および畳み込みアーキテクチャDenseNet121、InResceptionNetV2、InceptionV3、MovileNetV2、ResNet50、VGG16による分類からなる。その結果, VGG16アーキテクチャはXRの分類において優れた性能を示した。
参考スコア（独自算出の注目度）: 7.509537244787675
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Early identification of patients with COVID-19 is essential to enable adequate treatment and to reduce the burden on the health system. The gold standard for COVID-19 detection is the use of RT-PCR tests. However, due to the high demand for tests, these can take days or even weeks in some regions of Brazil. Thus, an alternative for detecting COVID-19 is the analysis of Digital Chest X-rays (XR). Changes due to COVID-19 can be detected in XR, even in asymptomatic patients. In this context, models based on deep learning have great potential to be used as support systems for diagnosis or as screening tools. In this paper, we propose the evaluation of convolutional neural networks to identify pneumonia due to COVID-19 in XR. The proposed methodology consists of a preprocessing step of the XR, data augmentation, and classification by the convolutional architectures DenseNet121, InceptionResNetV2, InceptionV3, MovileNetV2, ResNet50, and VGG16 pre-trained with the ImageNet dataset. The obtained results demonstrate that the VGG16 architecture obtained superior performance in the classification of XR for the evaluation metrics using the methodology proposed in this article. The obtained results for our methodology demonstrate that the VGG16 architecture presented a superior performance in the classification of XR, with an Accuracy of 85.11%, Sensitivity of 85.25%, Specificity of $85.16%, F1-score of $85.03%, and an AUC of 0.9758.
Abstract（参考訳）: 新型コロナウイルス(covid-19)の早期診断は、適切な治療を可能にし、医療システムの負担を軽減するために不可欠である。新型コロナウイルス検出のゴールドスタンダードはRT-PCR検査である。しかし、テストの需要が高いため、ブラジルの一部地域では数日から数週間かかることもある。したがって、covid-19検出の代替として、デジタル胸部x線(xr)の分析がある。新型コロナウイルスによる変化はXRや無症状患者でも検出できる。この文脈では、ディープラーニングに基づくモデルは、診断支援システムやスクリーニングツールとして使われる可能性がある。本稿では,XR における COVID-19 による肺炎の同定のための畳み込みニューラルネットワークの評価を提案する。提案手法は、XRの前処理ステップ、データ拡張、および画像Netデータセットで事前訓練された畳み込みアーキテクチャDenseNet121、InceptionResNetV2、InceptionV3、MovileNetV2、ResNet50、VGG16による分類からなる。得られた結果は,本論文で提案した手法を用いて評価指標の分類において,VGG16アーキテクチャが優れた性能を示した。その結果,VGG16アーキテクチャは,85.11%の精度,85.25%の感度,85.16%の特異性,85.03%のF1スコア,0.9758のAUC,XRの分類において優れた性能を示した。

関連論文リスト

Few-Shot Learning Approach on Tuberculosis Classification Based on Chest X-Ray Images [0.0]
TB胸部X線データセットのクラス不均衡は、正確な分類の課題である。本稿では,この問題に対処するために,プロトタイプネットワークアルゴリズムを用いた数ショットの学習手法を提案する。実験の結果、ResNet-18の98.93%、ResNet-50の98.60%、VGG16の33.33%の分類精度が確認された。
論文参考訳（メタデータ） (2024-09-18T02:15:01Z)
Diagnosis of COVID-19 based on Chest Radiography [0.0]
コロナウイルス感染症2019(COVID-19)は、2019年12月初旬に中国の武漢で最初に確認され、現在はパンデミックとなっている。放射線医は、胸部X線(CXR)画像から放射線学的異常の存在を観察することができる。本研究では、新型コロナウイルス患者の放射線科医の診断を支援するために、深層畳み込みニューラルネットワーク(CNN)モデルを提案した。
論文参考訳（メタデータ） (2022-12-26T08:05:56Z)
Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文参考訳（メタデータ） (2022-08-22T13:57:04Z)
COVID-Net CXR-2: An Enhanced Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-ray Images [58.35627258364233]
RT-PCR検査への無料スクリーニング戦略として胸部X線(CXR)イメージングの使用は成長し続けています。我々は、CXR画像からCOVID-19を検出するための深層畳み込みニューラルネットワーク設計であるCOVID-Net CXR-2を紹介する。ベンチマークデータセットは、少なくとも51カ国16,656人の多国籍コホートから19,203個のCXR画像で構成された。
論文参考訳（メタデータ） (2021-05-14T04:29:21Z)
Reliable COVID-19 Detection Using Chest X-ray Images [25.179817545627596]
QaTa-COV19には4603のCOVID-19サンプルを含む124,616の画像が含まれています。提案されたReCovNetは98.57%の感度と99.77%の特異性で検出性能を達成した。
論文参考訳（メタデータ） (2021-01-28T19:57:21Z)
Chest X-ray Image Phase Features for Improved Diagnosis of COVID-19 Using Convolutional Neural Network [2.752817022620644]
最近の研究で、新型コロナウイルス患者のX線写真には、新型コロナウイルスに関する情報が含まれていることが示されている。胸部X線(CXR)は、高速な撮像時間、広範囲の可用性、低コスト、可搬性から注目されている。本研究では、CXR画像から新型コロナウイルスの分類を改善するために、新しい多機能畳み込みニューラルネットワーク(CNN)アーキテクチャを設計する。
論文参考訳（メタデータ） (2020-11-06T20:26:26Z)
FLANNEL: Focal Loss Based Neural Network Ensemble for COVID-19 Detection [61.04937460198252]
正常, 細菌性肺炎, 非ウイルス性肺炎, COVID-19の4型を有する2874例のX線画像データを構築した。 FLANNEL(Focal Loss Based Neural Ensemble Network)を提案する。 FLANNELは、すべての指標において、新型コロナウイルス識別タスクのベースラインモデルを一貫して上回っている。
論文参考訳（メタデータ） (2020-10-30T03:17:31Z)
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)
Adaptive Feature Selection Guided Deep Forest for COVID-19 Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。 AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文参考訳（メタデータ） (2020-05-07T06:00:02Z)
Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks [4.294650528226683]
新型コロナウイルスは肺炎に似た呼吸器症候群である。科学者、研究者、医療専門家は、肺感染症の特定によって、新型コロナウイルスの迅速かつ自動化された診断に貢献している。本稿では,様々な最先端ディープラーニング手法における非バイアスの微調整学習(トランスファーラーニング)に対するランダムなオーバーサンプリングと重み付きクラス損失関数アプローチを提案する。
論文参考訳（メタデータ） (2020-04-23T10:24:34Z)
JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文参考訳（メタデータ） (2020-04-15T12:30:40Z)

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。