論文の概要: Classification of COVID-19 Patients with their Severity Level from Chest
CT Scans using Transfer Learning
- arxiv url: http://arxiv.org/abs/2205.13774v1
- Date: Fri, 27 May 2022 06:22:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-31 04:03:29.671097
- Title: Classification of COVID-19 Patients with their Severity Level from Chest
CT Scans using Transfer Learning
- Title(参考訳): 転移学習を用いた胸部CT画像からの重症度を有するCOVID-19患者の分類
- Authors: Mansi Gupta, Aman Swaraj, Karan Verma
- Abstract要約: 新型コロナウイルスの感染拡大を受け、病院のベッドなど医療機器の需要が高まっている。
これを念頭に置いて、私たちは新型コロナウイルスの検出と、胸部CTスキャンとDeep Learning事前訓練モデルを用いて重症度を評価する研究を共有しています。
私たちのモデルは、新型コロナウイルスとその重症度を検出するのに役立ちます。
- 参考スコア(独自算出の注目度): 3.667495151642095
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background and Objective: During pandemics, the use of artificial
intelligence (AI) approaches combined with biomedical science play a
significant role in reducing the burden on the healthcare systems and
physicians. The rapid increment in cases of COVID-19 has led to an increase in
demand for hospital beds and other medical equipment. However, since medical
facilities are limited, it is recommended to diagnose patients as per the
severity of the infection. Keeping this in mind, we share our research in
detecting COVID-19 as well as assessing its severity using chest-CT scans and
Deep Learning pre-trained models. Dataset: We have collected a total of 1966 CT
Scan images for three different class labels, namely, Non-COVID, Severe COVID,
and Non-Severe COVID, out of which 714 CT images belong to the Non-COVID
category, 713 CT images are for Non-Severe COVID category and 539 CT images are
of Severe COVID category. Methods: All of the images are initially
pre-processed using the Contrast Limited Histogram Equalization (CLAHE)
approach. The pre-processed images are then fed into the VGG-16 network for
extracting features. Finally, the retrieved characteristics are categorized and
the accuracy is evaluated using a support vector machine (SVM) with 10-fold
cross-validation (CV). Result and Conclusion: In our study, we have combined
well-known strategies for pre-processing, feature extraction, and
classification which brings us to a remarkable success rate of disease and its
severity recognition with an accuracy of 96.05% (97.7% for Non-Severe COVID-19
images and 93% for Severe COVID-19 images). Our model can therefore help
radiologists detect COVID-19 and the extent of its severity.
- Abstract(参考訳): 背景と目的:パンデミックの間、人工知能(ai)アプローチとバイオメディカルサイエンスが組み合わさったアプローチは、医療システムや医師の負担を軽減する上で重要な役割を果たす。
新型コロナウイルスの急速な拡大は、病院のベッドやその他の医療機器の需要の増加につながった。
しかし、医療施設は限られているため、感染症の重症度に応じて患者を診断することが推奨されている。
このことを念頭に置いて、私たちはcovid-19の検出と、胸部ctスキャンとディープラーニング事前学習モデルを用いた重症度評価に関する研究を共有しています。
対象は,Non-COVID,Servere COVID,Non-Severe COVIDの3種類で,そのうち714のCT像がNon-COVIDのカテゴリ,713のCT像がNon-Sever COVIDのカテゴリ,539のCT像がServere COVIDのカテゴリである。
方法:全ての画像は、Contrast Limited Histogram Equalization (CLAHE) アプローチを用いて、最初に前処理される。
事前処理された画像はvgg-16ネットワークに送られ、特徴を抽出する。
最後に、検索した特徴を分類し、10倍のクロスバリデーション(CV)を持つ支持ベクトルマシン(SVM)を用いて精度を評価する。
結果と結論:本研究では,前処理,特徴抽出,分類についてよく知られた戦略を組み合わせることで,疾患の顕著な成功率と重症度認識を96.05%(非severe新型コロナウイルス像97.7%,重症covid-19画像93%)で達成した。
したがって、このモデルは、放射線科医がcovid-19とその重症度を検出するのに役立ちます。
関連論文リスト
- COVID-19 Detection Based on Self-Supervised Transfer Learning Using
Chest X-Ray Images [38.65823547986758]
胸部X線(CXR)画像から新型コロナウイルスを検出するための自己教師伝達学習法を提案する。
オープンなCOVID-19 CXRデータセットの定量的評価と,視覚検査のための質的結果について検討した。
論文 参考訳(メタデータ) (2022-12-19T07:10:51Z) - Classification of COVID-19 on chest X-Ray images using Deep Learning
model with Histogram Equalization and Lungs Segmentation [1.6019444314820142]
本研究は,胸部X線を用いたコビッドウイルス感染肺の検出のためのディープラーニングアーキテクチャに基づく研究である。
我々の新しいアプローチは、よく知られた前処理技術、特徴抽出法、およびデータセットバランス法を組み合わせることで、優れた98%の認識率をもたらす。
論文 参考訳(メタデータ) (2021-12-05T05:04:38Z) - COVID-Rate: An Automated Framework for Segmentation of COVID-19 Lesions
from Chest CT Scans [29.266579630983358]
パンデミック時代には、専門家の放射線学者による新型コロナウイルスの肺病変の視覚的評価と定量化が高価になり、エラーが生じる傾向にある。
専門医に注釈を付された82例のCT画像433点を含むオープンアクセス型COVID-19 CTセグメンテーションデータセットについて紹介する。
Deep Neural Network(DNN)ベースのフレームワークであるCOVID-Rateは、胸部CTスキャンからCOVID-19に関連する肺の異常を自律的に分離する。
論文 参考訳(メタデータ) (2021-07-04T03:19:43Z) - A novel multiple instance learning framework for COVID-19 severity
assessment via data augmentation and self-supervised learning [64.90342559393275]
新型コロナウイルスの重症度を迅速かつ正確に評価する方法は、世界中の何百万人もの人々がパンデミックに苦しんでいる場合に必要不可欠な問題だ。
CT画像による新型コロナウイルスの重症度自動評価を妨害する可能性のある、弱いアノテーションと不十分なデータという2つの問題があることを観察する。
平均精度は95.8%で、感度は93.6%、特異性は96.4%で、前作より優れていた。
論文 参考訳(メタデータ) (2021-02-07T16:30:18Z) - Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。
深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。
そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
論文 参考訳(メタデータ) (2021-02-01T02:37:49Z) - Screening COVID-19 Based on CT/CXR Images & Building a Publicly
Available CT-scan Dataset of COVID-19 [6.142272540492935]
本研究は、1000人以上からなる13k以上のCT画像で構成され、新型コロナウイルスに感染した500人の患者から8kの画像を撮影する大規模なCTスキャンデータセットを構築した。
提案するCTデータセットを用いて,COVID-19をスクリーニングする深層学習モデルを提案し,その結果を報告する。
最後に、トランスファーラーニング手法を用いてCXR画像からCOVID-19をスクリーニングするCTモデルを拡張した。
論文 参考訳(メタデータ) (2020-12-28T11:52:33Z) - 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) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳(メタデータ) (2020-07-20T19:08:50Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳(メタデータ) (2020-05-08T03:16:15Z) - 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) - Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using
Quantitative Features from Chest CT Images [54.919022945740515]
本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。
ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。
新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
論文 参考訳(メタデータ) (2020-03-26T15:49:32Z)
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。