論文の概要: Combating COVID-19 using Generative Adversarial Networks and Artificial
Intelligence for Medical Images: A Scoping Review
- arxiv url: http://arxiv.org/abs/2205.07236v1
- Date: Sun, 15 May 2022 09:43:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-17 14:58:42.830867
- Title: Combating COVID-19 using Generative Adversarial Networks and Artificial
Intelligence for Medical Images: A Scoping Review
- Title（参考訳）: 医療画像のための生成型adversarial networkと人工知能を用いたcovid-19対策:スコーピングレビュー
- Authors: Hazrat Ali and Zubair Shah
- Abstract要約: このレビューは、さまざまなGANsメソッドと、COVID-19のための肺画像データセットをまとめた最初のものである。
このレビューには、新型コロナウイルス(COVID-19)の肺画像データに異なる用途にGANを使用することを報告した57のフルテキスト研究が含まれている。
- 参考スコア（独自算出の注目度）: 1.2944868613449219
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This review presents a comprehensive study on the role of GANs in addressing
the challenges related to COVID-19 data scarcity and diagnosis. It is the first
review that summarizes the different GANs methods and the lungs images datasets
for COVID-19. It attempts to answer the questions related to applications of
GANs, popular GAN architectures, frequently used image modalities, and the
availability of source code. This review included 57 full-text studies that
reported the use of GANs for different applications in COVID-19 lungs images
data. Most of the studies (n=42) used GANs for data augmentation to enhance the
performance of AI techniques for COVID-19 diagnosis. Other popular applications
of GANs were segmentation of lungs and super-resolution of the lungs images.
The cycleGAN and the conditional GAN were the most commonly used architectures
used in nine studies each. 29 studies used chest X-Ray images while 21 studies
used CT images for the training of GANs. For majority of the studies (n=47),
the experiments were done and results were reported using publicly available
data. A secondary evaluation of the results by radiologists/clinicians was
reported by only two studies. Conclusion: Studies have shown that GANs have
great potential to address the data scarcity challenge for lungs images of
COVID-19. Data synthesized with GANs have been helpful to improve the training
of the Convolutional Neural Network (CNN) models trained for the diagnosis of
COVID-19. Besides, GANs have also contributed to enhancing the CNNs performance
through the super-resolution of the images and segmentation. This review also
identified key limitations of the potential transformation of GANs based
methods in clinical applications.
- Abstract（参考訳）: 本総説では、新型コロナウイルスのデータの不足と診断に関する課題に取り組む上で、GANが果たす役割について包括的に研究する。
GANsの異なる方法と、COVID-19用の肺画像データセットをまとめた最初のレビューである。
GANの応用、一般的なGANアーキテクチャ、頻繁に使用される画像のモダリティ、ソースコードの可用性に関する質問に答えようとしている。
このレビューには、新型コロナウイルス(COVID-19)の肺画像データに異なる用途にGANを使用することを報告した57のフルテキスト研究が含まれている。
研究の大半(n=42)は、データ拡張にGANを使用して、新型コロナウイルスの診断にAI技術の性能を高めた。
ganの他の一般的な用途は、肺のセグメンテーションと肺画像の超解像であった。
サイクルGANと条件付きGANは、9つの研究で最もよく使われているアーキテクチャである。
29研究は胸部x線画像を用い,21研究はガンの訓練にct画像を用いた。
ほとんどの研究(n=47)では実験が行われ、結果は公開データを用いて報告された。
放射線科医/クリニシアンによる結果の二次的な評価は2つの研究で報告された。
結語:研究により、ganはcovid-19の肺画像のデータ不足に対処できる可能性が非常に高いことが示されている。
GANで合成されたデータは、新型コロナウイルスの診断のために訓練された畳み込みニューラルネットワーク(CNN)モデルのトレーニングを改善するのに役立つ。
さらに、GANは画像とセグメンテーションの超高解像度化を通じてCNNのパフォーマンス向上にも貢献している。
このレビューは、臨床応用におけるgansベースの方法の潜在的な変換の鍵となる制限も明らかにした。
関連論文リスト
- Performance of GAN-based augmentation for deep learning COVID-19 image
classification [57.1795052451257]
ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。
データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。
本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
論文 参考訳（メタデータ） (2023-04-18T15:39:58Z) - Leveraging GANs for data scarcity of COVID-19: Beyond the hype [1.0957528713294873]
人工知能(AI)ベースのモデルは、肺CTスキャンやX線画像から新型コロナウイルスを診断するのに役立つ。
多くの研究者が、合成肺CTスキャンとX線画像を作成するためにGeneversa Adrative Networks(GANs)を研究した。
信頼性の高い合成データを生成するために, GAN ベースの手法がいかに優れているかは明らかにされていない。
論文 参考訳（メタデータ） (2023-04-07T08:26:12Z) - 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) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - GANs for Medical Image Synthesis: An Empirical Study [12.36854197042851]
GAN(Generative Adversarial Networks)はますます強力になり、心躍るフォトリアリズム画像を生み出しています。
本稿では,医療画像におけるGANのメリットを評価するために,マルチGANおよびマルチアプリケーション研究を行う。
論文 参考訳（メタデータ） (2021-05-11T19:21:39Z) - CovidGAN: Data Augmentation Using Auxiliary Classifier GAN for Improved
Covid-19 Detection [6.123089440692208]
ウイルス(covid-19)は重症急性呼吸器症候群(sarscov-2)によるウイルス性疾患である。
初期の結果は、covid-19を示唆する患者の胸部x線に異常が存在することを示唆している。
convolutional neural networks(cnns)のようなディープラーニングシステムは、かなりの量のトレーニングデータを必要とする。
論文 参考訳（メタデータ） (2021-03-08T21:53:29Z) - 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) - Automated Detection and Forecasting of COVID-19 using Deep Learning
Techniques: A Review [10.153806948106684]
コロナウイルス(Coronavirus、COVID-19)は、世界中の多くの人々の健康を危険にさらす病気である。
高速かつ正確な診断のために,X線およびCT画像モダリティが広く用いられている。
ディープラーニング(DL)ネットワークは最近、従来の機械学習(ML)と比較して人気を博している。
論文 参考訳（メタデータ） (2020-07-16T16:04:17Z) - 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) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-12T16:24:59Z) - 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。