論文の概要: A Survey of Deep Learning Techniques for the Analysis of COVID-19 and
their usability for Detecting Omicron
- arxiv url: http://arxiv.org/abs/2202.06372v1
- Date: Sun, 13 Feb 2022 17:44:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-15 17:47:37.027659
- Title: A Survey of Deep Learning Techniques for the Analysis of COVID-19 and
their usability for Detecting Omicron
- Title（参考訳）: 新型コロナウイルスの深層学習技術とOmicron検出への利用性に関する調査
- Authors: Asifullah Khan, Saddam Hussain Khan, Mahrukh Saif, Asiya Batool,
Anabia Sohail and Muhammad Waleed Khan
- Abstract要約: 2019年12月のコロナウイルス(COVID-19)の流行は、世界中で人間の脅威となっている。
深層学習 (DL) 技術は, 放射線画像における感染領域の解析とデライン化に, タイムリーに有効であることが証明された。
本稿では,DL手法の詳細な調査を行い,診断戦略と学習アプローチに基づく分類法について述べる。
- 参考スコア（独自算出の注目度）: 0.24466725954625884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Coronavirus (COVID-19) outbreak in December 2019 has become an ongoing
threat to humans worldwide, creating a health crisis that infected millions of
lives, as well as devastating the global economy. Deep learning (DL) techniques
have proved helpful in analysis and delineation of infectious regions in
radiological images in a timely manner. This paper makes an in-depth survey of
DL techniques and draws a taxonomy based on diagnostic strategies and learning
approaches. DL techniques are systematically categorized into classification,
segmentation, and multi-stage approaches for COVID-19 diagnosis at image and
region level analysis. Each category includes pre-trained and custom-made
Convolutional Neural Network architectures for detecting COVID-19 infection in
radiographic imaging modalities; X-Ray, and Computer Tomography (CT).
Furthermore, a discussion is made on challenges in developing diagnostic
techniques in pandemic, cross-platform interoperability, and examining imaging
modality, in addition to reviewing methodologies and performance measures used
in these techniques. This survey provides an insight into promising areas of
research in DL for analyzing radiographic images and thus, may further
accelerate the research in designing of customized DL based diagnostic tools
for effectively dealing with new variants of COVID-19 and emerging challenges.
- Abstract（参考訳）: 2019年12月のコロナウイルス(COVID-19)の流行は、世界中の人間の脅威となり、何百万人もの人が感染し、世界経済が壊滅する健康危機を引き起こしている。
深層学習 (DL) 技術は, 放射線画像における感染領域の解析とデライン化に適している。
本稿では,DL手法の詳細な調査を行い,診断戦略と学習アプローチに基づく分類法について述べる。
DL技術は、画像および地域レベルでの診断のための分類、セグメンテーション、多段階アプローチに体系的に分類される。
各カテゴリには、X線、CT(Computer Tomography)などの放射線画像モダリティにおける新型コロナウイルス感染症を検出するための、事前訓練およびカスタムメイドの畳み込みニューラルネットワークアーキテクチャが含まれる。
さらに,パンデミックの診断技術開発,クロスプラットフォームの相互運用,画像モダリティの検証,およびこれらの技術で使用される方法論やパフォーマンス対策の見直しについて検討する。
本調査は、放射線画像解析のためのdl研究の有望領域に関する洞察を提供し、新型コロナウイルスの新しい変異体や新たな課題を効果的に扱うために、カスタマイズされたdlベースの診断ツールの設計に関する研究をさらに加速する可能性がある。
関連論文リスト
- Empowering Medical Imaging with Artificial Intelligence: A Review of
Machine Learning Approaches for the Detection, and Segmentation of COVID-19
Using Radiographic and Tomographic Images [2.232567376976564]
2019年以降、コロナウイルスとその新規株の世界的な普及により、新たな感染が急増している。
X線およびCTイメージング技術の使用は、新型コロナウイルスの診断と管理に重要である。
本稿では、機械学習(ML)を用いた新型コロナウイルスの診断のための医療画像の改善手法に焦点を当てた。
論文 参考訳（メタデータ） (2024-01-13T09:17:39Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - Multi-Scale Feature Fusion using Parallel-Attention Block for COVID-19
Chest X-ray Diagnosis [2.15242029196761]
世界的な新型コロナウイルス危機下では、チェストX線(CXR)画像からの新型コロナウイルスの正確な診断が重要である。
並列アテンションブロックを用いた新しい多機能融合ネットワークを提案し、元のCXR画像とローカル位相特徴強調CXR画像をマルチスケールで融合する。
論文 参考訳（メタデータ） (2023-04-25T16:56:12Z) - Optimising Chest X-Rays for Image Analysis by Identifying and Removing
Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。
公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。
我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-22T13:57:04Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳（メタデータ） (2021-04-06T02:01:43Z) - Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。
深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。
そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
論文 参考訳（メタデータ） (2021-02-01T02:37:49Z) - Deep Learning in Detection and Diagnosis of Covid-19 using Radiology
Modalities: A Systematic Review [0.0]
Covid-19の早期発見と診断は、Covid-19の流行の主な課題の1つです。
医学とコンピュータの研究者は、放射線画像の分析に機械学習モデルを使う傾向があった。
ディープラーニングベースモデルには、Covid-19の検出と診断のための正確で効率的なシステムを実現する並外れた能力があります。
論文 参考訳（メタデータ） (2020-12-21T18:54:01Z) - A Review on Deep Learning Techniques for the Diagnosis of Novel
Coronavirus (COVID-19) [9.750971289236826]
新型コロナウイルスの流行率は、世界中で毎日急増している。
深層学習技術は、新型コロナウイルス(COVID-19)の自動診断に臨床医が使用する兵器において、強力なツールであることが証明された。
論文 参考訳（メタデータ） (2020-08-09T02:37:50Z) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳（メタデータ） (2020-05-06T15:19:15Z) - 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) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。