Fugu-MT 論文翻訳(概要): A semi-automatic ultrasound image analysis system for the grading diagnosis of COVID-19 pneumonia

論文の概要: A semi-automatic ultrasound image analysis system for the grading diagnosis of COVID-19 pneumonia

arxiv url: http://arxiv.org/abs/2111.02676v1
Date: Thu, 4 Nov 2021 08:04:50 GMT
ステータス: 処理完了
システム内更新日: 2021-11-05 16:16:06.760031
Title: A semi-automatic ultrasound image analysis system for the grading diagnosis of COVID-19 pneumonia
Title（参考訳）: COVID-19肺炎の鑑別診断のための半自動超音波画像解析システム
Authors: Yuanyuan Wang, Yao Zhang, Qiong He, Hongen Liao and Jianwen Luo
Abstract要約: 本稿では,肺超音波(LUS)画像中の特定の画像パターンの定量的評価に基づく半自動システムを提案する。提案した画像解析システムは、新型コロナウイルス肺炎患者のグレーディングおよび予後評価に潜在的に適用できる可能性がある。
参考スコア（独自算出の注目度）: 16.074400000927003
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes a semi-automatic system based on quantitative characterization of the specific image patterns in lung ultrasound (LUS) images, in order to assess the lung conditions of patients with COVID-19 pneumonia, as well as to differentiate between the severe / and no-severe cases. Specifically, four parameters are extracted from each LUS image, namely the thickness (TPL) and roughness (RPL) of the pleural line, and the accumulated with (AWBL) and acoustic coefficient (ACBL) of B lines. 27 patients are enrolled in this study, which are grouped into 13 moderate patients, 7 severe patients and 7 critical patients. Furthermore, the severe and critical patients are regarded as the severe cases, and the moderate patients are regarded as the non-severe cases. Biomarkers among different groups are compared. Each single biomarker and a classifier with all the biomarkers as input are utilized for the binary diagnosis of severe case and non-severe case, respectively. The classifier achieves the best classification performance among all the compared methods (area under the receiver operating characteristics curve = 0.93, sensitivity = 0.93, specificity = 0.85). The proposed image analysis system could be potentially applied to the grading and prognosis evaluation of patients with COVID-19 pneumonia.
Abstract（参考訳）: 本報告では, 肺炎患者の肺病変を定量的に評価し, 重篤な症例と重篤な症例を鑑別するために, 肺超音波像の像パターンを定量的に評価する半自動システムを提案する。具体的には、胸膜の厚み(TPL)と粗さ(RPL)と、B線の(AWBL)と音響係数(ACBL)とで蓄積された4つのパラメータを各LUS画像から抽出する。対象は中等度患者13名,重度患者7名,重度患者7名である。また重症患者は重症患者、重症患者は軽症、中等症患者は非軽症である。異なるグループのバイオマーカーを比較する。各バイオマーカーと全てのバイオマーカーを入力とする分類器をそれぞれ重篤な症例と非敗血症の2次診断に利用する。分類器は、比較したすべての方法(受信動作特性曲線=0.93、感度=0.93、特異性=0.85)の中で最高の分類性能を達成する。提案する画像解析システムは、covid-19肺炎患者の採点と予後評価に応用できる可能性がある。

関連論文リスト

Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文参考訳（メタデータ） (2021-05-06T10:21:28Z)
Automated lung segmentation from CT images of normal and COVID-19 pneumonia patients [0.0]
本研究は, 正常およびCOVID-19患者のCT画像から肺分画の深層学習モデルの性能について検討した。残存ニューラルネットワークの訓練には、胸部CT画像と対応する肺マスク1200例が使用された。
論文参考訳（メタデータ） (2021-04-05T17:46:12Z)
An Explainable AI System for Automated COVID-19 Assessment and Lesion Categorization from CT-scans [8.694504007704994]
SARS-CoV-2病原体による新型コロナウイルス感染症は、世界中で壊滅的なパンデミックである。深層学習パラダイムに基づくAIを用いたパイプラインを提案し,CTスキャンによるCOVID-19検出と病変分類を自動化した。
論文参考訳（メタデータ） (2021-01-28T11:47:35Z)
A patient-specific approach for quantitative and automatic analysis of computed tomography images in lung disease: application to COVID-19 patients [0.0]
肺CT画像の定量的指標は、しばしば生理学との明確な関係なしに、広く使用されている。本研究は,CT画像における肺の容積評価のための患者非依存モデルを提案する。
論文参考訳（メタデータ） (2021-01-12T12:02:01Z)
Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文参考訳（メタデータ） (2020-11-24T17:44:01Z)
Automated triage of COVID-19 from various lung abnormalities using chest CT features [2.4956060473718407]
入力胸部CTをスキャンし、新型コロナウイルスの患者をトリアージする、完全に自動化されたAIベースのシステムを提案する。肺や感染症の統計、テクスチャ、形状、位置など、さまざまな特徴を生成して、機械学習ベースの分類器を訓練します。 2191例のCTデータセットを用いて本システムの評価を行い,90.8%の感度で85.4%の特異性,94.0%のROC-AUCで堅牢な解を示した。
論文参考訳（メタデータ） (2020-10-24T19:44:48Z)
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)
Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文参考訳（メタデータ） (2020-07-20T19:08:50Z)
Machine Learning Automatically Detects COVID-19 using Chest CTs in a Large Multicenter Cohort [43.99203831722203]
16施設2096例の胸部CT検査を行った。新型コロナウイルスの分類のためのメートル法に基づくアプローチは、解釈可能な特徴を使用した。深層学習に基づく分類器は,CT減衰から抽出した3D特徴と空域不透明度の確率分布を区別した。
論文参考訳（メタデータ） (2020-06-09T00:40:35Z)
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)
Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using Quantitative Features from Chest CT Images [54.919022945740515]
本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
論文参考訳（メタデータ） (2020-03-26T15:49:32Z)

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。