論文の概要: Lung infection and normal region segmentation from CT volumes of
COVID-19 cases
- arxiv url: http://arxiv.org/abs/2201.03050v1
- Date: Sun, 9 Jan 2022 16:41:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-12 01:17:09.587467
- Title: Lung infection and normal region segmentation from CT volumes of
COVID-19 cases
- Title（参考訳）: COVID-19患者の肺感染症とCTボリュームからの正常領域の分画
- Authors: Masahiro Oda, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto,
Toshiaki Akashi, Kensaku Mori
- Abstract要約: 新型コロナウイルス患者のCTボリュームから肺の感染領域と正常領域を自動分離する方法を提案する。
2019年12月からは、新型コロナウイルス感染症(COVID-19)が世界中に広がる。
新型コロナウイルスの軽症から重篤な症例まで、肺の正常領域と感染領域を正しく区分けする手法が提案された。
- 参考スコア（独自算出の注目度）: 1.6800485155509775
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes an automated segmentation method of infection and normal
regions in the lung from CT volumes of COVID-19 patients. From December 2019,
novel coronavirus disease 2019 (COVID-19) spreads over the world and giving
significant impacts to our economic activities and daily lives. To diagnose the
large number of infected patients, diagnosis assistance by computers is needed.
Chest CT is effective for diagnosis of viral pneumonia including COVID-19. A
quantitative analysis method of condition of the lung from CT volumes by
computers is required for diagnosis assistance of COVID-19. This paper proposes
an automated segmentation method of infection and normal regions in the lung
from CT volumes using a COVID-19 segmentation fully convolutional network
(FCN). In diagnosis of lung diseases including COVID-19, analysis of conditions
of normal and infection regions in the lung is important. Our method recognizes
and segments lung normal and infection regions in CT volumes. To segment
infection regions that have various shapes and sizes, we introduced dense
pooling connections and dilated convolutions in our FCN. We applied the
proposed method to CT volumes of COVID-19 cases. From mild to severe cases of
COVID-19, the proposed method correctly segmented normal and infection regions
in the lung. Dice scores of normal and infection regions were 0.911 and 0.753,
respectively.
- Abstract（参考訳）: 本稿では,ctデータから肺の感染症と正常領域を自動的に分割する手法を提案する。
2019年12月からは、新型コロナウイルス(covid-19)が世界中に広がり、経済活動や日常生活に大きな影響を与えている。
感染数が多い患者を診断するには,コンピュータによる診断支援が必要である。
胸部ctはcovid-19を含むウイルス性肺炎の診断に有効である。
新型コロナウイルスの診断支援にはコンピュータによるCTボリュームからの肺状態の定量的解析が必要である。
本稿では, HIVの完全畳み込みネットワーク(FCN)を用いたCTボリュームからの肺の感染領域と正常領域の自動分離法を提案する。
新型コロナウイルスを含む肺疾患の診断においては、肺の正常領域と感染症領域の解析が重要である。
肺の正常領域と感染部位をCTボリュームで認識し,分類する。
様々な形状と大きさの感染症領域を分断するため, FCNに密集したプール接続と拡張畳み込みを導入した。
新型コロナウイルス患者のCTボリュームに本手法を適用した。
新型コロナウイルスの軽症から重篤な症例まで、肺の正常領域と感染領域を正しく区分けする手法が提案された。
正常および感染部位の食感スコアはそれぞれ0.911と0.753であった。
関連論文リスト
- CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Development of a Multi-Task Learning V-Net for Pulmonary Lobar
Segmentation on Computed Tomography and Application to Diseased Lungs [0.19573380763700707]
疾患のある肺領域は、しばしばCT画像に高密度ゾーンを生成し、損傷した葉を特定するアルゴリズムの実行を制限する。
この影響は、肺葉を分節する機械学習手法の改善を動機づけた。
このアプローチは、放射線科医のロバストなツールとして臨床現場で容易に採用することができる。
論文 参考訳（メタデータ） (2021-05-11T17:10:25Z) - CT Image Segmentation for Inflamed and Fibrotic Lungs Using a
Multi-Resolution Convolutional Neural Network [6.177921466996229]
本研究の目的は, 各種密度増強肺異常に対して頑健な完全自動セグメンテーションアルゴリズムを開発することである。
急性肺障害を患うヒトの左肺と右肺に特異的にラベル付けされた肺と非特異的にラベル付けされた肺の両方を1つのニューラルネットワークのトレーニングに組み込んだ多形性訓練手法が提案されている。
結果として生じるネットワークは、ヒトの左右の肺領域を、びまん性オパーシフィケーションと凝縮を伴わずに予測することを目的としている。
論文 参考訳（メタデータ） (2020-10-16T18:25:59Z) - Classification and Region Analysis of COVID-19 Infection using Lung CT
Images and Deep Convolutional Neural Networks [0.8224695424591678]
本研究は、肺CT画像中のCOVID-19感染領域を記述するための2段階の深層畳み込みニューラルネットワーク(CNN)に基づくフレームワークを提案する。
第1段階では、2段階の離散ウェーブレット変換を用いて、COVID-19特異的CT画像の特徴を増強する。
これらの拡張CT画像は、提案したカスタムメイドの深部CoV-CTNetを用いて分類される。
第2段階では、新型コロナウイルス感染症領域の同定と解析のためのセグメンテーションモデルに、感染画像として分類されたCT画像を提供する。
論文 参考訳（メタデータ） (2020-09-16T02:28:46Z) - Deep learning to estimate the physical proportion of infected region of
lung for COVID-19 pneumonia with CT image set [13.146276716689972]
肺の感染部位の割合は、臨床医師が症例の重症度を判断するのを助ける視覚的証拠として用いられる。
感染地域を定量化した報告は、治療サイクル内で定期的にスキャンされた新型コロナウイルス患者の予後を予測するのに役立つ。
論文 参考訳（メタデータ） (2020-06-09T02:38:40Z) - 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) - 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) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z) - Lung Infection Quantification of COVID-19 in CT Images with Deep
Learning [41.35413216175024]
深層学習システムは、関心のある感染症領域を自動的に定量化するために開発された。
感染領域分割のための放射線科医を支援するためのループ内ヒト戦略
論文 参考訳（メタデータ） (2020-03-10T11:58:40Z)
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。