Fugu-MT 論文翻訳(概要): OSegNet: Operational Segmentation Network for COVID-19 Detection using Chest X-ray Images

論文の概要: OSegNet: Operational Segmentation Network for COVID-19 Detection using Chest X-ray Images

arxiv url: http://arxiv.org/abs/2202.10185v1
Date: Mon, 21 Feb 2022 12:52:23 GMT
ステータス: 処理完了
システム内更新日: 2022-02-23 08:48:15.878862
Title: OSegNet: Operational Segmentation Network for COVID-19 Detection using Chest X-ray Images
Title（参考訳）: OSegNet:胸部X線画像を用いた新型コロナウイルス検出のためのオペレーショナルセグメンテーションネットワーク
Authors: Aysen Degerli, Serkan Kiranyaz, Muhammad E. H. Chowdhury, and Moncef Gabbouj
Abstract要約: この研究は、最大のCOVID-19 CXRデータセットであるQaTa-COV19を拡張し、9258個のCOVID-19サンプルを含む121,378個のCXRを持つ。 OSegNetは98.09%の精度で最先端のディープモデルの中で99.65%の精度で検出性能を達成した。
参考スコア（独自算出の注目度）: 22.059683089872916
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Coronavirus disease 2019 (COVID-19) has been diagnosed automatically using Machine Learning algorithms over chest X-ray (CXR) images. However, most of the earlier studies used Deep Learning models over scarce datasets bearing the risk of overfitting. Additionally, previous studies have revealed the fact that deep networks are not reliable for classification since their decisions may originate from irrelevant areas on the CXRs. Therefore, in this study, we propose Operational Segmentation Network (OSegNet) that performs detection by segmenting COVID-19 pneumonia for a reliable diagnosis. To address the data scarcity encountered in training and especially in evaluation, this study extends the largest COVID-19 CXR dataset: QaTa-COV19 with 121,378 CXRs including 9258 COVID-19 samples with their corresponding ground-truth segmentation masks that are publicly shared with the research community. Consequently, OSegNet has achieved a detection performance with the highest accuracy of 99.65% among the state-of-the-art deep models with 98.09% precision.
Abstract（参考訳）: コロナウイルス病2019(COVID-19)は、胸部X線(CXR)画像上で機械学習アルゴリズムを使用して自動的に診断されている。しかし、初期の研究のほとんどは、過適合のリスクを負う少ないデータセットよりもDeep Learningモデルを使用していた。さらに、従来の研究では、深層ネットワークはCXRの無関係な領域に由来する可能性があるため、分類に信頼性がないことが示されている。そこで本研究では,新型コロナウイルス肺炎の診断のためのセグメンテーションによって検出を行うオペナルセグメンテーションネットワーク(OSegNet)を提案する。 QaTa-COV19には、9258個のCOVID-19サンプルを含む121,378個のCXRが含まれている。その結果、OSegNetは98.09%の精度で最先端のディープモデルの中で99.65%の精度で検出性能を達成した。

関連論文リスト

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)
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)
COVID-Net CXR-2: An Enhanced Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-ray Images [58.35627258364233]
RT-PCR検査への無料スクリーニング戦略として胸部X線(CXR)イメージングの使用は成長し続けています。我々は、CXR画像からCOVID-19を検出するため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 CXR-2を紹介する。ベンチマークデータセットは、少なくとも51カ国16,656人の多国籍コホートから19,203個のCXR画像で構成された。
論文参考訳（メタデータ） (2021-05-14T04:29:21Z)
COVID-19 Infection Localization and Severity Grading from Chest X-ray Images [3.4546388019336143]
コロナウイルス感染症2019(COVID-19)は、2019年12月に出現して以来、世界中で主要な課題となっている。我々は、11,956のCOVID-19サンプルを含む33,920のCXRイメージで、最大のベンチマークデータセットを構築しました。このアプローチは、99%以上の感度と特異性の両方で優れたCOVID-19検出性能を達成しました。
論文参考訳（メタデータ） (2021-03-14T18:06:06Z)
Reliable COVID-19 Detection Using Chest X-ray Images [25.179817545627596]
QaTa-COV19には4603のCOVID-19サンプルを含む124,616の画像が含まれています。提案されたReCovNetは98.57%の感度と99.77%の特異性で検出性能を達成した。
論文参考訳（メタデータ） (2021-01-28T19:57:21Z)
RANDGAN: Randomized Generative Adversarial Network for Detection of COVID-19 in Chest X-ray [0.0]
新型コロナウイルス(COVID-19)が世界中に広がる中で、医療機関は患者を診断し、必要な頻度で検査する能力を失っている。研究は、胸部X線でウイルス性細菌性肺炎から新型コロナウイルスを検出できる有望な結果を示している。本研究では,ラベルやトレーニングデータを必要とせず,未知のクラス(COVID-19)の画像を検出するランダム化生成敵ネットワーク(RANDGAN)を提案する。
論文参考訳（メタデータ） (2020-10-06T15:58:09Z)
COVID-19 Infection Map Generation and Detection from Chest X-Ray Images [19.578921765959333]
そこで本研究では,CXR画像からの新型コロナウイルスの同時局在,重症度評価,検出のための新しい手法を提案する。私たちは、2951のCOVID-19サンプルを含む119,316のCXRイメージで、最大のデータセットをコンパイルしました。詳細な実験により、最先端のセグメンテーションネットワークは、F1スコア83.20%で新型コロナウイルス感染症の局所化を学べることが示されている。
論文参考訳（メタデータ） (2020-09-26T22:20:05Z)
Using Deep Convolutional Neural Networks to Diagnose COVID-19 From Chest X-Ray Images [2.2442606948134927]
このプロジェクトでは、COVID-19-CXR-Datasetという名称の、COVID-19 CXRのオープンソースデータセットを提示し、深い畳み込みニューラルネットワークモデルを導入する。このモデルは740枚のテスト画像に検証を行い、精度87.3%、精度89.67パーセント、リコール84.46%を達成し、テストセットで100個のCOVID-19 X線画像のうち98個を正しく分類する。
論文参考訳（メタデータ） (2020-07-19T15:47:37Z)
Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文参考訳（メタデータ） (2020-05-24T23:13:16Z)
Adaptive Feature Selection Guided Deep Forest for COVID-19 Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。 AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文参考訳（メタデータ） (2020-05-07T06:00:02Z)
COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
論文参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。