論文の概要: COVID-Net US-X: Enhanced Deep Neural Network for Detection of COVID-19 Patient Cases from Convex Ultrasound Imaging Through Extended Linear-Convex Ultrasound Augmentation Learning

• arxiv url: http://arxiv.org/abs/2204.13851v1
• Date: Fri, 29 Apr 2022 02:13:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-02 13:42:06.365400
• Title: COVID-Net US-X: Enhanced Deep Neural Network for Detection of COVID-19 Patient Cases from Convex Ultrasound Imaging Through Extended Linear-Convex Ultrasound Augmentation Learning
• Title（参考訳）: covid-net us-x:拡張線形凸超音波強調学習によるconvex超音波画像からの新型コロナウイルス患者検出のための深層ニューラルネットワーク
• Authors: E. Zhixuan Zeng, Adrian Florea, and Alexander Wong
• Abstract要約: 世界人口は新型コロナウイルス(COVID-19)のパンデミックの影響で大きな影響を受け続けている。 医療用ポイント・オブ・ケア・超音波(POCUS)画像は、低コストで有効な画像モダリティとして利用されてきている。 POCUSを使用した新型コロナウイルススクリーニングのためのディープニューラルネットワークを構築する上での大きな課題は、使用するプローブの種類だ。
• 参考スコア（独自算出の注目度）: 75.74756992992147
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the global population continues to face significant negative impact by the on-going COVID-19 pandemic, there has been an increasing usage of point-of-care ultrasound (POCUS) imaging as a low-cost and effective imaging modality of choice in the COVID-19 clinical workflow. A major barrier with widespread adoption of POCUS in the COVID-19 clinical workflow is the scarcity of expert clinicians that can interpret POCUS examinations, leading to considerable interest in deep learning-driven clinical decision support systems to tackle this challenge. A major challenge to building deep neural networks for COVID-19 screening using POCUS is the heterogeneity in the types of probes used to capture ultrasound images (e.g., convex vs. linear probes), which can lead to very different visual appearances. In this study, we explore the impact of leveraging extended linear-convex ultrasound augmentation learning on producing enhanced deep neural networks for COVID-19 assessment, where we conduct data augmentation on convex probe data alongside linear probe data that have been transformed to better resemble convex probe data. Experimental results using an efficient deep columnar anti-aliased convolutional neural network designed via a machined-driven design exploration strategy (which we name COVID-Net US-X) show that the proposed extended linear-convex ultrasound augmentation learning significantly increases performance, with a gain of 5.1% in test accuracy and 13.6% in AUC.
• Abstract（参考訳）: 世界人口が新型コロナウイルス(COVID-19)のパンデミックの影響を受け続けている中、新型コロナウイルス(COVID-19)の臨床ワークフローにおいて、低コストで効果的な画像モダリティとして、ポイント・オブ・ケア・超音波(POCUS)画像の使用が増えている。 新型コロナウイルス(covid-19)の臨床ワークフローでpocusが広く採用されている大きな障壁は、pocus検査を解釈できる専門家臨床医の不足であり、この課題に取り組むためにディープラーニングによる臨床判断支援システムにかなりの関心が寄せられている。 POCUS を用いた COVID-19 スクリーニングのためのディープニューラルネットワークを構築する上での大きな課題は、超音波画像(凸対線形プローブなど)を捉えるために使用されるプローブの種類が不均一であることであり、視覚的な外観が全く異なることである。 本研究では, 拡張線形凸型超音波増幅学習が深層ニューラルネットワークの生成に与える影響について検討し, 凸型プローブデータとともに凸型プローブデータにデータ拡張を行い, 凸型プローブデータによく似たように変換した。 機械駆動型設計探索戦略(COVID-Net US-Xと呼ぶ)を通じて設計された効率的な深層カラム型反慣性畳み込みニューラルネットワークを用いた実験結果から、提案した線形凸超音波拡張学習は、テスト精度が5.1%、AUCが13.6%向上した。

関連論文リスト

• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• COVID-Net UV: An End-to-End Spatio-Temporal Deep Neural Network Architecture for Automated Diagnosis of COVID-19 Infection from Ultrasound Videos [70.60433013657693]
  COVID-Netは、空間的特徴を抽出する畳み込みニューラルネットワークと、時間的依存を学習するリカレントニューラルネットワークで構成される。 ネットワークの平均精度は94.44%で、新型コロナウイルスの患者には偽陰性なケースはない。
  論文  参考訳（メタデータ） (2022-05-18T13:59:16Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型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 USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• An Approach Towards Physics Informed Lung Ultrasound Image Scoring Neural Network for Diagnostic Assistance in COVID-19 [0.0]
  肺超音波(LUS)における胸膜下領域の音響伝搬に基づく特徴抽出のための新しいアプローチが提示された。 LUSNetと呼ばれるニューラルネットワークは、LUSイメージを、新型コロナウイルスの進行を追跡するために、肺感染症の重症度の異なる5つのクラスに分類するように訓練されている。 新型コロナウイルスの患者10名に対する全回復期間に対するLUS画像のアプローチに関する詳細な分析では、平均5倍のクロスバリデーション精度、感度、特異性はそれぞれ5000コマで97%、93%、98%となっている。
  論文  参考訳（メタデータ） (2021-06-13T13:01:53Z)
• COVID-CLNet: COVID-19 Detection with Compressive Deep Learning Approaches [0.0]
  本稿ではCTスキャン画像を用いたコンピュータ支援検出システムを提案する。 この強化されたディープラーニングネットワーク(CLNet)は、ディープラーニング(DL)ネットワークの実装に基づいている。 異なる圧縮方法で行われた実験は、新型コロナウイルス検出の有望な結果を示している。
  論文  参考訳（メタデータ） (2020-12-03T19:56:48Z)
• Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks [4.294650528226683]
  新型コロナウイルスは肺炎に似た呼吸器症候群である。 科学者、研究者、医療専門家は、肺感染症の特定によって、新型コロナウイルスの迅速かつ自動化された診断に貢献している。 本稿では,様々な最先端ディープラーニング手法における非バイアスの微調整学習(トランスファーラーニング)に対するランダムなオーバーサンプリングと重み付きクラス損失関数アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-23T10:24:34Z)
• Deep Learning COVID-19 Features on CXR using Limited Training Data Sets [40.45289250518209]
  我々は、比較的少数のトレーニング可能なパラメータで新型コロナウイルスの診断を行うパッチベースの畳み込みニューラルネットワークアプローチを提案する。 実験の結果,本手法は最先端の性能を達成し,臨床的に解釈可能なサリエンシマップを提供することがわかった。
  論文  参考訳（メタデータ） (2020-04-13T03:44:42Z)

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。