論文の概要: Requirement analysis for an artificial intelligence model for the diagnosis of the COVID-19 from chest X-ray data

• arxiv url: http://arxiv.org/abs/2110.12464v1
• Date: Sun, 24 Oct 2021 15:28:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-27 11:43:07.379102
• Title: Requirement analysis for an artificial intelligence model for the diagnosis of the COVID-19 from chest X-ray data
• Title（参考訳）: 胸部X線データを用いた新型コロナウイルス診断のための人工知能モデルの必要性分析
• Authors: Tuomo Kalliokoski
• Abstract要約: 本稿では、胸部X線データ(CXR)から、AIによる新型コロナウイルスの診断を提案する将来の論文のより包括的な要件を提示するために、複数のレビュー論文、ガイドライン、その他の関連資料を概観する。 主な発見は、臨床に使用可能なAIは、非常に優れたドキュメンテーション、潜在的なバイアスとパフォーマンスの包括的な統計分析、説明可能性モジュールを持つ必要があることである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There are multiple papers published about different AI models for the COVID-19 diagnosis with promising results. Unfortunately according to the reviews many of the papers do not reach the level of sophistication needed for a clinically usable model. In this paper I go through multiple review papers, guidelines, and other relevant material in order to generate more comprehensive requirements for the future papers proposing a AI based diagnosis of the COVID-19 from chest X-ray data (CXR). Main findings are that a clinically usable AI needs to have an extremely good documentation, comprehensive statistical analysis of the possible biases and performance, and an explainability module.
• Abstract（参考訳）: 新型コロナウイルスの診断のためのさまざまなAIモデルに関する複数の論文が公開されており、有望な結果が得られている。 残念なことに、多くの論文は臨床的に使用可能なモデルに必要な洗練度に達していない。 本稿では、胸部X線データ(CXR)から、AIによる新型コロナウイルスの診断を提案する将来の論文のより包括的な要件を提示するために、複数のレビュー論文、ガイドライン、その他の関連資料を概観する。 主な発見は、臨床に利用可能なAIは、非常に優れたドキュメンテーション、潜在的なバイアスとパフォーマンスの包括的な統計分析、説明可能性モジュールを持つ必要があることである。

関連論文リスト

• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• Secure Federated Learning Approaches to Diagnosing COVID-19 [0.0]
  本稿では,HIVの診断を支援するHIPAA対応モデルを提案する。 フェデレートラーニング(Federated Learning)は、分散機械学習のアプローチであり、複数の分散デバイスをまたいだアルゴリズムトレーニングを可能にする。 そこで我々は, 新型コロナウイルスの陽性診断を示す胸部X線の特徴を浮き彫りにする可視化技術を用いた。
  論文  参考訳（メタデータ） (2024-01-23T02:14:05Z)
• Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
  RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。 私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
  論文  参考訳（メタデータ） (2023-12-26T18:20:48Z)
• COVIDx CXR-4: An Expanded Multi-Institutional Open-Source Benchmark Dataset for Chest X-ray Image-Based Computer-Aided COVID-19 Diagnostics [79.90346960083775]
  我々は,胸部X線画像を用いたコンピュータ支援型COVID-19診断のための,多施設のオープンソースベンチマークデータセットであるCOVIDx CXR-4を紹介する。 COVIDx CXR-4は、患者の総コホートサイズを2.66倍に増やすことで、前回のCOVIDx CXR-3データセットで大幅に拡大する。 患者人口、画像メタデータ、および疾患分布の多様性について広範な分析を行い、潜在的なデータセットバイアスを明らかにする。
  論文  参考訳（メタデータ） (2023-11-29T14:40:31Z)
• Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
  本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。 提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,CheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-05-20T03:12:23Z)
• The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
  深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。 オープンソースデータのトレーニングやテストでは,結果は異例です。 データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
  論文  参考訳（メタデータ） (2021-09-14T10:59:11Z)
• Hierarchical Analysis of Visual COVID-19 Features from Chest Radiographs [5.832030105874915]
  我々は, 放射線学的決定プロセスと整合した, 人間の解釈可能なクラス階層を用いて, 放射線学的特徴をモデル化する。 実験により、モデル故障は、ICU撮像条件と非常に相関し、特定の種類の放射線学的特徴を識別することが本質的に困難であることが示されている。
  論文  参考訳（メタデータ） (2021-07-14T11:37:28Z)
• A Prospective Observational Study to Investigate Performance of a Chest X-ray Artificial Intelligence Diagnostic Support Tool Across 12 U.S. Hospitals [5.089367493963538]
  人工知能(AI)に基づく、胸部X線(CXR)所見から新型コロナウイルスの可能性を予測するモデルは、臨床的意思決定を加速するための重要な副産物となる。 我々は、時間的および外部的検証に高い性能を持つAIモデルを開発した。
  論文  参考訳（メタデータ） (2021-06-03T20:22:32Z)
• Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans [1.9133116891556288]
  我々は、2020年1月1日から2020年10月3日までアップロードされた論文とプレプリントについて、OVID、MEDLINE、PubMed、bioRxiv、medRxiv、arXivを介してEMBASEを検索する。 本報告では, 方法的欠陥や根本的バイアスにより, いずれのモデルも臨床応用の可能性を秘めていないことが確認された。
  論文  参考訳（メタデータ） (2020-08-14T14:25:21Z)
• Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
  新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。 最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
  論文  参考訳（メタデータ） (2020-04-06T15:21:34Z)

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。