論文の概要: Leveraging Multiple CNNs for Triaging Medical Workflow

• arxiv url: http://arxiv.org/abs/2109.12783v1
• Date: Mon, 27 Sep 2021 03:59:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-29 05:28:35.070919
• Title: Leveraging Multiple CNNs for Triaging Medical Workflow
• Title（参考訳）: 医療ワークフローのトリガに複数のCNNを活用する
• Authors: Lakshmi A. Ghantasala
• Abstract要約: 畳み込みニューラルネットワーク(CNN)は、非臨界画像と効果的に区別することができる。 重み付けされた皮膚疾患の画像のシステムは、クリティカルまたは非クリティカルとして再ラベルされた。 クリティカルインデックスは、バイナリクリティカル/非クリティカルラベルと比較して、より包括的な評価システムを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High hospitalization rates due to the global spread of Covid-19 bring about a need for improvements to classical triaging workflows. To this end, convolutional neural networks (CNNs) can effectively differentiate critical from non-critical images so that critical cases may be addressed quickly, so long as there exists some representative image for the illness. Presented is a conglomerate neural network system consisting of multiple VGG16 CNNs; the system trains on weighted skin disease images re-labelled as critical or non-critical, to then attach to input images a critical index between 0 and 10. A critical index offers a more comprehensive rating system compared to binary critical/non-critical labels. Results for batches of input images run through the trained network are promising. A batch is shown being re-ordered by the proposed architecture from most critical to least critical roughly accurately.
• Abstract（参考訳）: Covid-19の世界的な普及による入院率の高さは、古典的なトリアージワークフローの改善の必要性をもたらしている。 この目的のために、畳み込みニューラルネットワーク(CNN)は、病気の代表的な画像が存在する限り、クリティカルケースを迅速に対処できるように、非クリティカルイメージと効果的に区別することができる。 複数のvgg16 cnnからなる複合ニューラルネットワークシステムを提案する。システムは、重み付けされた皮膚疾患イメージをクリティカルまたは非クリティカルに再ラベルし、入力画像に0から10までの臨界指数を付加する。 クリティカルインデックスは、バイナリクリティカル/非クリティカルラベルと比較して、より包括的な評価システムを提供する。 トレーニングネットワークを介して実行される入力画像のバッチの結果は有望である。 バッチは提案されたアーキテクチャによって、ほぼ正確に最も重要から最小限に順序付けされている。

関連論文リスト

• Data-Efficient Vision Transformers for Multi-Label Disease Classification on Chest Radiographs [55.78588835407174]
  視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。 ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。 以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T09:07:45Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• CNN Attention Guidance for Improved Orthopedics Radiographic Fracture Classification [37.07168182420638]
  畳み込みニューラルネットワーク(CNN)は、骨折分類問題を解く能力により、近年、整形外科画像において大きな人気を集めている。 CNNに対する一般的な批判は、その不透明な学習と推論のプロセスであり、マシン診断とその後の臨床環境でのそのようなアルゴリズムの採用を信用することは困難である。 本稿では,人間による注意誘導によるCNNネットワークの正規化の有効性について検討する。
  論文  参考訳（メタデータ） (2022-03-21T01:07:42Z)
• Stain Normalized Breast Histopathology Image Recognition using Convolutional Neural Networks for Cancer Detection [9.826027427965354]
  近年の進歩により、畳み込みニューラルネットワーク(CNN)アーキテクチャは乳がん検出のためのコンピュータ支援診断(CAD)システムの設計に利用できることが示されている。 乳腺病理像の2値分類のためのCNNモデルについて検討した。 我々は,200倍,400倍に拡大した病理像に対して,トレーニング済みのCNNネットワークを利用可能なBreaKHisデータセットで検証した。
  論文  参考訳（メタデータ） (2022-01-04T03:09:40Z)
• Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
  画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。 我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-16T11:56:28Z)
• Cross-modal Attention for MRI and Ultrasound Volume Registration [10.725645523967904]
  我々は,クロスモーダル画像登録のための自己認識機構を開発した。 提案するクロスモーダルアテンションブロックは,各特徴量と対応する特徴量とを効果的にマッピングする。 実験の結果,クロスモーダルアテンションブロックを組み込んだCNNネットワークが,CNNネットワークの10倍の性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2021-07-09T17:04:02Z)
• CNNs and GANs in MRI-based cross-modality medical image estimation [1.5469452301122177]
  クロスモダリティ画像推定では、別のモダリティの画像から1つの医療画像モダリティの画像を生成する。 CNNは画像パターンの識別、特徴付け、抽出に有用であることが示されている。 生成敵対ネットワーク(GAN)は、CNNをジェネレータとして使用し、推定画像は追加ネットワークに基づいて真または偽と判別される。
  論文  参考訳（メタデータ） (2021-06-04T01:27:57Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Context-Aware Refinement Network Incorporating Structural Connectivity Prior for Brain Midline Delineation [50.868845400939314]
  UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。 正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。 提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
  論文  参考訳（メタデータ） (2020-07-10T14:01:20Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。