論文の概要: Detecting COVID-19 from Chest Computed Tomography Scans using AI-Driven Android Application

• arxiv url: http://arxiv.org/abs/2111.06254v1
• Date: Sat, 6 Nov 2021 16:35:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-14 15:13:16.802133
• Title: Detecting COVID-19 from Chest Computed Tomography Scans using AI-Driven Android Application
• Title（参考訳）: AI駆動型Androidアプリケーションを用いた胸部CTスキャンからのCOVID-19の検出
• Authors: Aryan Verma, Sagar B. Amin, Muhammad Naeem, and Monjoy Saha
• Abstract要約: 新型コロナウイルス(コロナウイルス)は、2021年6月までに全世界で400万人以上の死者を出した1億8600万人以上に影響を与えた。 本研究は,高効率かつ高精度なディープラーニングアルゴリズムを用いて,胸部CTスキャンから新型コロナウイルス感染を検出する新しいAndroidアプリケーションを開発することを提案する。 この研究で新型コロナウイルスを検出するために訓練されたニューラルネットワークは、99.58%、感度99.69%のF1スコアと精度でテストされている。
• 参考スコア（独自算出の注目度）: 1.801433289653728
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The COVID-19 (coronavirus disease 2019) pandemic affected more than 186 million people with over 4 million deaths worldwide by June 2021. The magnitude of which has strained global healthcare systems. Chest Computed Tomography (CT) scans have a potential role in the diagnosis and prognostication of COVID-19. Designing a diagnostic system which is cost-efficient and convenient to operate on resource-constrained devices like mobile phones would enhance the clinical usage of chest CT scans and provide swift, mobile, and accessible diagnostic capabilities. This work proposes developing a novel Android application that detects COVID-19 infection from chest CT scans using a highly efficient and accurate deep learning algorithm. It further creates an attention heatmap, augmented on the segmented lung parenchyma region in the CT scans through an algorithm developed as a part of this work, which shows the regions of infection in the lungs. We propose a selection approach combined with multi-threading for a faster generation of heatmaps on Android Device, which reduces the processing time by about 93%. The neural network trained to detect COVID-19 in this work is tested with F1 score and accuracy, both of 99.58% and sensitivity of 99.69%, which is better than most of the results in the domain of COVID diagnosis from CT scans. This work will be beneficial in high volume practices and help doctors triage patients in the early diagnosis of the COVID-19 quickly and efficiently.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、2021年6月までに全世界で400万人以上の死者を出した1億8600万人以上に影響を与えた。 その規模は世界の医療システムを圧迫しています 胸部ctスキャンは、covid-19の診断と予後に潜在的に重要な役割を果たしている。 携帯電話のような資源に制約のあるデバイスで運用するために費用効率が高く便利な診断システムを設計することは、胸部CTスキャンの臨床的使用を増強し、迅速でモバイル的でアクセスしやすい診断機能を提供する。 本研究は,高効率で高精度な深層学習アルゴリズムを用いて,胸部ctスキャンからcovid-19感染を検出する新しいandroidアプリケーションを開発することを提案する。 さらに、この研究の一環として開発されたアルゴリズムにより、CTスキャンで肺の分節性発作領域に増強された注意熱マップが作成され、肺の感染領域が示される。 そこで本研究では,Androidデバイス上での高速なヒートマップ生成のために,マルチスレッドと組み合わせた選択手法を提案し,処理時間を約93%削減した。 この研究でcovid-19を検出するために訓練されたニューラルネットワークは、99.58%と99.69%の両方のf1スコアと精度でテストされている。 この研究は、新型コロナウイルスの早期診断を迅速かつ効率的に行う際に、医師が患者をトリアージするのに役立つ。

関連論文リスト

• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型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 USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
  我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。 この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
  論文  参考訳（メタデータ） (2021-05-14T11:59:47Z)
• COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19 from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
  胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。 説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。 結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
  論文  参考訳（メタデータ） (2021-01-19T03:04:09Z)
• A comparison of deep machine learning algorithms in COVID-19 disease diagnosis [4.636229382827605]
  この研究の目的は、画像認識の問題を解決するためにディープニューラルネットワークモデルを使用することである。 本研究は、現代の機械学習技術を用いて、新型コロナウイルスの疑いのある患者の診断にX線画像を用いている。
  論文  参考訳（メタデータ） (2020-08-25T10:51:54Z)
• A Novel and Reliable Deep Learning Web-Based Tool to Detect COVID-19 Infection from Chest CT-Scan [0.0]
  コロナウイルスは すでに多くの国で 世界中に広がり 命を落としています この実験では、746人の参加者を含む最大規模の公共胸部CTスキャンデータベースが使用された。 Densely Connected Convolutional Network(DenseNet)とNu-SVMを併用して、新型コロナウイルスと健康管理を区別した。
  論文  参考訳（メタデータ） (2020-06-24T13:47:54Z)
• Automated Detection of COVID-19 from CT Scans Using Convolutional Neural Networks [0.0]
  COVID-19はSARS-CoV 2003と同様の呼吸器障害を引き起こす感染症である。 U-Netアーキテクチャを用いて2次元セグメンテーションモデルを構築し,感染領域をマークアウトして出力する。
  論文  参考訳（メタデータ） (2020-06-23T06:50:41Z)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)
• 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)
• Residual Attention U-Net for Automated Multi-Class Segmentation of COVID-19 Chest CT Images [46.844349956057776]
  新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。 新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。 複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-12T16:24:59Z)
• 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。