Fugu-MT 論文翻訳(概要): PediCXR: An open, large-scale chest radiograph dataset for interpretation of common thoracic diseases in children

論文の概要: PediCXR: An open, large-scale chest radiograph dataset for interpretation of common thoracic diseases in children

arxiv url: http://arxiv.org/abs/2203.10612v3
Date: Mon, 20 Mar 2023 23:33:15 GMT
ステータス: 処理完了
システム内更新日: 2023-03-24 04:54:22.715813
Title: PediCXR: An open, large-scale chest radiograph dataset for interpretation of common thoracic diseases in children
Title（参考訳）: PediCXR : 小児の一般的な胸部疾患の解釈のための大規模胸部X線撮影データセット
Authors: Hieu H. Pham, Ngoc H. Nguyen, Thanh T. Tran, Tuan N.M. Nguyen, and Ha Q. Nguyen
Abstract要約: 私たちは、2020年から2021年にかけて、ベトナムの大手小児病院から遡及的に収集された9,125の小児CXRデータセットであるPediCXRをリリースしました。このデータセットは、36の重大な発見と15の疾患の存在のためにラベル付けされた。
参考スコア（独自算出の注目度）: 0.31317409221921133
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The development of diagnostic models for detecting and diagnosing pediatric diseases in CXR scans is undertaken due to the lack of high-quality physician-annotated datasets. To overcome this challenge, we introduce and release PediCXR, a new pediatric CXR dataset of 9,125 studies retrospectively collected from a major pediatric hospital in Vietnam between 2020 and 2021. Each scan was manually annotated by a pediatric radiologist with more than ten years of experience. The dataset was labeled for the presence of 36 critical findings and 15 diseases. In particular, each abnormal finding was identified via a rectangle bounding box on the image. To the best of our knowledge, this is the first and largest pediatric CXR dataset containing lesion-level annotations and image-level labels for the detection of multiple findings and diseases. For algorithm development, the dataset was divided into a training set of 7,728 and a test set of 1,397. To encourage new advances in pediatric CXR interpretation using data-driven approaches, we provide a detailed description of the PediCXR data sample and make the dataset publicly available on https://physionet.org/content/pedicxr/1.0.0/
Abstract（参考訳）: CXRスキャンにおける小児疾患の検出と診断のための診断モデルの開発は、高品質な医師注記データセットが欠如していることから行われている。この課題を克服するために,2020年から2021年にかけてベトナムの主要小児病院から回顧的に収集された9,125の小児cxrデータセットであるpedicxrを紹介,公開する。各スキャンには10年以上の経験のある小児放射線科医が手動で注記した。このデータセットには36の批判的所見と15の疾患があった。特に,画像上の長方形のバウンディングボックスを用いて,各異常を同定した。我々の知る限り、複数の所見や疾患を検出するための病変レベルのアノテーションと画像レベルのラベルを含む、最初の、かつ最大のCXRデータセットである。アルゴリズム開発のために、データセットは7,728のトレーニングセットと1,397のテストセットに分割された。データ駆動型アプローチによる小児CXR解釈の新たな進歩を促進するため、PediCXRデータサンプルの詳細説明とデータセットをhttps://physionet.org/content/pedicxr/1.0.0/で公開する。

関連論文リスト

Shadow and Light: Digitally Reconstructed Radiographs for Disease Classification [8.192975020366777]
DRR-RATEは、21,304人のユニークな患者から50,188個の前方デジタル再構成ラジオグラフィー(DRR)から構成される。各画像は、対応する放射線学テキストレポートと18の病理学クラスのためのバイナリラベルとがペアリングされる。我々は,既存の大規模胸部X線リソース,特にCheXpertデータセットとCheXnetモデルと併用して,DRR-RATEの適用性を示す。
論文参考訳（メタデータ） (2024-06-06T02:19:18Z)
Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
論文参考訳（メタデータ） (2023-12-26T18:20:48Z)
Towards long-tailed, multi-label disease classification from chest X-ray: Overview of the CXR-LT challenge [59.323306639144526]
診断医用画像検査など,現実的な画像認識の問題が数多く発生している。診断は長い尾と多ラベルの問題であり、患者は複数の所見を呈することが多い。我々は共通のテーマを合成し、長い尾を持つマルチラベルの医用画像分類のためのレコメンデーションを提供する。
論文参考訳（メタデータ） (2023-10-24T18:26:22Z)
Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文参考訳（メタデータ） (2023-07-06T08:27:48Z)
COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。 CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
論文参考訳（メタデータ） (2022-06-08T04:39:44Z)
Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文参考訳（メタデータ） (2021-10-25T14:15:57Z)
Learning to Automatically Diagnose Multiple Diseases in Pediatric Chest Radiographs Using Deep Convolutional Neural Networks [0.4697611383288171]
ディープ畳み込みニューラルネットワーク(D-CNN)は成人の胸部X線写真(CXR)スキャンにおいて顕著な性能を示した。本稿では,5,017名の小児CXRスキャンの大規模なデータセットを遡及的に収集し,それぞれを経験者によって手動でラベル付けする。その後、D-CNNモデルは3,550個の注釈付きスキャンで訓練され、複数の小児肺病理を自動分類する。
論文参考訳（メタデータ） (2021-08-14T08:14:52Z)
Medical-VLBERT: Medical Visual Language BERT for COVID-19 CT Report Generation With Alternate Learning [70.71564065885542]
本稿では,医療用ビジュアル言語BERT(Medical-VLBERT)モデルを用いて,新型コロナウイルススキャンの異常を同定する。このモデルは、知識事前学習と伝達の2つの手順で、代替的な学習戦略を採用する。 COVID-19患者に対する医療報告の自動作成のために,中国語で368例,胸部CTで1104例の検診を行った。
論文参考訳（メタデータ） (2021-08-11T07:12:57Z)
VinDr-SpineXR: A deep learning framework for spinal lesions detection and classification from radiographs [0.812774532310979]
本研究の目的は,脊椎X線からの異常の分類と局所化を目的とした,深層学習に基づくフレームワーク VinDr-SpineXR の開発と評価である。 5000件の研究から得られた10,468個の脊椎X線画像からなる大規模なデータセットを構築した。 VinDr-SpineXRは、1000の研究から得られた2,078枚の画像で評価され、トレーニングセットとは分離されている。
論文参考訳（メタデータ） (2021-06-24T11:45:44Z)
Interpreting Chest X-rays via CNNs that Exploit Hierarchical Disease Dependencies and Uncertainty Labels [0.33598755777055367]
本稿では,14の一般的な胸部疾患の存在と観察を診断するための,深部畳み込みニューラルネットワーク(CNN)に基づく枠組みを提案する。提案手法はCheXpertコンペティションのinde-pendentテストセット上でも評価され, 経験者5名によるアパネルでアノテートされた500個のCXR研究が含まれている。
論文参考訳（メタデータ） (2020-05-25T11:07:53Z)
Deep-COVID: Predicting COVID-19 From Chest X-Ray Images Using Deep Transfer Learning [5.174558376705871]
新型コロナウイルス(COVID-19)のパンデミックは、世界中で150カ国以上で大流行している。新型コロナウイルスと戦う上で重要なステップの1つは、感染した患者を十分に早期に検出する能力だ。胸部X線画像から新型コロナウイルス患者を検出するための深層学習モデルの応用について検討した。
論文参考訳（メタデータ） (2020-04-20T15:09:14Z)

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。