論文の概要: Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case Study on COVID-19 Chest X-ray Image

• arxiv url: http://arxiv.org/abs/2206.00002v1
• Date: Fri, 27 May 2022 20:06:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-12 09:36:44.000925
• Title: Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case Study on COVID-19 Chest X-ray Image
• Title（参考訳）: 画像セマンティックセグメンテーションのためのCalibrated Bagging Deep Learning : COVID-19胸部X線画像のケーススタディ
• Authors: Lucy Nwosu, Xiangfang Li, Lijun Qian, Seungchan Kim, Xishuang Dong
• Abstract要約: 胸部X線(CXR)やCT(CT)などの画像検査は、臨床スタッフに有用な情報を提供することができる。 深層学習は、新型コロナウイルス感染症領域のセグメンテーションと疾患分類の実行に応用されている。 本研究では,バッジ深層学習とモデル校正を統合した新しいアンサンブル深層学習モデルを提案する。
• 参考スコア（独自算出の注目度）: 3.135883872525168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) causes coronavirus disease 2019 (COVID-19). Imaging tests such as chest X-ray (CXR) and computed tomography (CT) can provide useful information to clinical staff for facilitating a diagnosis of COVID-19 in a more efficient and comprehensive manner. As a breakthrough of artificial intelligence (AI), deep learning has been applied to perform COVID-19 infection region segmentation and disease classification by analyzing CXR and CT data. However, prediction uncertainty of deep learning models for these tasks, which is very important to safety-critical applications like medical image processing, has not been comprehensively investigated. In this work, we propose a novel ensemble deep learning model through integrating bagging deep learning and model calibration to not only enhance segmentation performance, but also reduce prediction uncertainty. The proposed method has been validated on a large dataset that is associated with CXR image segmentation. Experimental results demonstrate that the proposed method can improve the segmentation performance, as well as decrease prediction uncertainties.
• Abstract（参考訳）: 重症急性呼吸器症候群ウイルス2(SARS-CoV-2)は、新型コロナウイルス感染症(COVID-19)を引き起こす。 胸部X線(CXR)やCTなどの画像検査は、より効率的かつ包括的な方法で新型コロナウイルスの診断を容易にするために、臨床スタッフに有用な情報を提供することができる。 人工知能(AI)のブレークスルーとして、深層学習を用いて、CXRとCTデータを分析して、新型コロナウイルス感染症領域のセグメンテーションと疾患分類を行っている。 しかし, 医用画像処理などの安全クリティカルな応用において極めて重要である深層学習モデルの予測の不確実性については, 総合的な検討が行われていない。 本研究では,階層型深層学習とモデルキャリブレーションを統合した新しいアンサンブル深層学習モデルを提案し,セグメンテーション性能の向上だけでなく,予測の不確実性を低減した。 提案手法は,CXR画像セグメンテーションに関連付けられた大規模データセット上で検証されている。 実験の結果,提案手法はセグメンテーション性能を向上し,予測の不確かさを低減できることがわかった。

関連論文リスト

• Enhancing COVID-19 Severity Analysis through Ensemble Methods [13.792760290422185]
  本稿では、新型コロナウイルス患者の感染症領域を抽出するためのドメイン知識に基づくパイプラインを提案する。 感染の重症度は、3つの機械学習モデルのアンサンブルを使用して異なるカテゴリに分類される。 提案システムは,AI-Enabled Medical Image Analysis WorkshopとCOVID-19診断コンペティションの検証データセットを用いて評価した。
  論文  参考訳（メタデータ） (2023-03-13T13:59:47Z)
• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Deep Metric Learning-based Image Retrieval System for Chest Radiograph and its Clinical Applications in COVID-19 [12.584626589565522]
  胸部X線写真(CXR)は、新型コロナウイルス患者のトリアージ、診断、モニタリングにおいて重要な役割を担っている。 CXRの混合信号や非特異的信号を考えると、類似した画像と関連する臨床情報の両方を提供するCXRの画像検索モデルは、より臨床的に有意義である。 本研究では,深度学習に基づく新しいCXR画像検索モデルを開発する。
  論文  参考訳（メタデータ） (2020-11-26T03:16:48Z)
• 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)
• 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)
• 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)
• 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)
• 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)

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。