論文の概要: POSTER: Diagnosis of COVID-19 through Transfer Learning Techniques on CT Scans: A Comparison of Deep Learning Models

• arxiv url: http://arxiv.org/abs/2203.09348v1
• Date: Thu, 17 Mar 2022 14:27:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-18 20:54:11.503003
• Title: POSTER: Diagnosis of COVID-19 through Transfer Learning Techniques on CT Scans: A Comparison of Deep Learning Models
• Title（参考訳）: POSTER:CTスキャンを用いたトランスファーラーニング技術によるCOVID-19の診断:深層学習モデルの比較
• Authors: Aeyan Ashraf, Asad Malik, Zahid Khan
• Abstract要約: 新型コロナウイルス(COVID-19)は世界中で公衆衛生上の緊急事態となっている。 世界中で2億3000万人以上が感染している致命的な病気である。 本稿では、CTスキャンデータセット上の転写学習技術を用いて、新型コロナウイルスの検出に使用するさまざまなディープラーニングモデルを比較した。 VGG-16は、データセットで85.33%の精度を達成する他の全てのモデルより優れている。
• 参考スコア（独自算出の注目度）: 3.3194866396158
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The novel coronavirus disease (COVID-19) constitutes a public health emergency globally. It is a deadly disease which has infected more than 230 million people worldwide. Therefore, early and unswerving detection of COVID-19 is necessary. Evidence of this virus is most commonly being tested by RT-PCR test. This test is not 100% reliable as it is known to give false positives and false negatives. Other methods like X-Ray images or CT scans show the detailed imaging of lungs and have been proven more reliable. This paper compares different deep learning models used to detect COVID-19 through transfer learning technique on CT scan dataset. VGG-16 outperforms all the other models achieving an accuracy of 85.33% on the dataset.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)は世界的な公衆衛生上の緊急事態である。 世界中で2億3000万人以上が感染している致命的な病気である。 そのため、早期かつ未解決の新型コロナウイルス検出が必要である。 このウイルスの証拠は一般的にRT-PCR検査によって検査されている。 このテストは偽陽性と偽陰性が知られているため、100%信頼できるものではない。 X線画像やCTスキャンなどの他の方法では、肺の詳細な画像が示され、より信頼性が証明されている。 本稿では、CTスキャンデータセット上の転写学習技術を用いて、新型コロナウイルスの検出に使用するさまざまなディープラーニングモデルを比較する。 vgg-16はデータセット上で85.33%の精度で他の全てのモデルを上回る。

関連論文リスト

• Diagnosis of COVID-19 disease using CT scan images and pre-trained models [0.0]
  深層学習は、新型コロナウイルスに感染したサンプルを識別するための迅速かつ正確な方法と考えられている。 SARS-CoV-2データセットには2482枚の肺CT画像が含まれており、うち1252枚の画像は新型コロナウイルス感染のサンプルである。 提案されたモデルは97%の精度であった。
  論文  参考訳（メタデータ） (2022-08-16T16:17:27Z)
• COVID-19 Disease Identification on Chest-CT images using CNN and VGG16 [0.0]
  新型コロナウイルス(COVID-19)は、2019年12月に中国武漢で発生したウイルスによる感染症である。 初期の医療機関は、新型コロナウイルス(COVID-19)を検出する適切な医療援助や薬が無かったため、混乱していた。 本研究では,胸部CT画像上でのCOVID-19自動同定のための畳み込みニューラルネットワーク(CNN)とVGG16に基づくモデルを提案する。
  論文  参考訳（メタデータ） (2022-07-09T07:20:15Z)
• Generation of COVID-19 Chest CT Scan Images using Generative Adversarial Networks [0.0]
  SARS-CoV-2は、新型コロナウイルスに感染するウイルス性伝染病で、世界中で急速に広まっている。 拡散を減らすために人々をテストし、分離することが非常に重要であり、ここからは、これを迅速かつ効率的に行う必要がある。 いくつかの研究によると、Chest-CTは、新型コロナウイルス患者の診断において、現在の標準であるRT-PCR検査より優れている。
  論文  参考訳（メタデータ） (2021-05-20T13:04:21Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
  我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。 また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
  論文  参考訳（メタデータ） (2020-09-08T15:49:55Z)
• A New Screening Method for COVID-19 based on Ocular Feature Recognition by Machine Learning Tools [66.20818586629278]
  コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。 一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
  論文  参考訳（メタデータ） (2020-09-04T00:50:27Z)
• 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)
• Study of Different Deep Learning Approach with Explainable AI for Screening Patients with COVID-19 Symptoms: Using CT Scan and Chest X-ray Image Dataset [1.4680035572775532]
  新型コロナウイルスの感染拡大で、米国だけでもこれまでに10万人以上の死者が出た。 患者数の増加に伴い、利用可能なテストキットでテストを実施するのが難しくなっている。 本研究の目的は、CTスキャンと胸部X線画像データセットの両方において、より正確な精度で新型コロナウイルス患者を検出できるディープラーニングベースのモデルを開発することである。
  論文  参考訳（メタデータ） (2020-07-24T13:51:58Z)
• 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)
• 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)

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。