論文の概要: AI-MIA: COVID-19 Detection & Severity Analysis through Medical Imaging

• arxiv url: http://arxiv.org/abs/2206.04732v1
• Date: Thu, 9 Jun 2022 19:09:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-13 15:19:00.433167
• Title: AI-MIA: COVID-19 Detection & Severity Analysis through Medical Imaging
• Title（参考訳）: AI-MIA:医療画像による新型コロナウイルス検出・重症度分析
• Authors: Dimitrios Kollias and Anastasios Arsenos and Stefanos Kollias
• Abstract要約: COV19-CT-DBデータベースは、約7,700個の3DCTスキャンからなる新型コロナウイルスの予防のために注釈付けされている。 トレーニング、検証、テストデータセットで、データベースと後者を分割しました。 ベースラインアプローチは、CNN-RNNネットワークに基づくディープラーニングアプローチで構成され、そのパフォーマンスをCOVID19-CT-DBデータベースに報告する。
• 参考スコア（独自算出の注目度）: 3.6170587429082195
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents the baseline approach for the organized 2nd Covid-19 Competition, occurring in the framework of the AIMIA Workshop in the European Conference on Computer Vision (ECCV 2022). It presents the COV19-CT-DB database which is annotated for COVID-19 detction, consisting of about 7,700 3-D CT scans. Part of the database consisting of Covid-19 cases is further annotated in terms of four Covid-19 severity conditions. We have split the database and the latter part of it in training, validation and test datasets. The former two datasets are used for training and validation of machine learning models, while the latter will be used for evaluation of the developed models. The baseline approach consists of a deep learning approach, based on a CNN-RNN network and report its performance on the COVID19-CT-DB database.
• Abstract（参考訳）: 本稿では,欧州コンピュータビジョン会議(ECCV 2022)におけるAIIAワークショップの枠組みにおいて,第2回Covid-19コンペティションの基幹となるアプローチについて述べる。 COV19-CT-DBデータベースは、約7,700個の3DCTスキャンからなる新型コロナウイルスの予防のために注釈付けされている。 コビッド19の症例からなるデータベースの一部は、さらに4つのコビッド19の重症度条件で注釈付けされている。 トレーニング、検証、テストデータセットで、データベースと後者を分割しました。 前者2つのデータセットは機械学習モデルのトレーニングと検証に使用され、後者は開発したモデルの評価に使用される。 ベースラインアプローチは、CNN-RNNネットワークに基づくディープラーニングアプローチで構成され、そのパフォーマンスをCOVID19-CT-DBデータベースに報告する。

関連論文リスト

• Domain adaptation, Explainability & Fairness in AI for Medical Image Analysis: Diagnosis of COVID-19 based on 3-D Chest CT-scans [19.84888289470376]
  本稿では,DeF-AI-MIA COV19Dコンペティションを紹介する。 コンペティションはICCV 2021、ECCV 2022、ICASSP 2023の3つのコンペティションに続くシリーズ第4位である。 本論文では, チャレンジで使用するベースラインモデルと, 得られた性能について述べる。
  論文  参考訳（メタデータ） (2024-03-04T16:31:58Z)
• Vision-Language Modelling For Radiological Imaging and Reports In The Low Data Regime [70.04389979779195]
  本稿では,視覚および言語入力を共通空間に埋め込んだ医用視覚言語モデル(VLM)について検討する。 本稿では,新しい画像領域やテキスト領域への汎用事前学習モデルの適用など,低データ性能向上のためのいくつかの候補手法について検討する。 テキスト・ツー・イメージ検索をベンチマークとして,2つの胸部X線および放射線学的報告を用いた可変サイズのトレーニングデータセットを用いて,これらの手法の性能評価を行った。
  論文  参考訳（メタデータ） (2023-03-30T18:20:00Z)
• Evaluating Generalizability of Deep Learning Models Using Indian-COVID-19 CT Dataset [5.398550081886242]
  臨床環境でのCTスキャン画像の自動処理のためのma-chine learning (ML)アプローチは、公開されているCOVID-19データの限定的で偏りのあるサブセットに基づいて訓練される。 これにより、トレーニング中にモデルに見られない外部データセット上で、これらのモデルの一般化性に関する懸念が持ち上がった。 これらの問題に対処するために、この研究では、最も大きなパブリックリポジトリの1つから得られた確認されたCOVID-19データからのCTスキャン画像を用いて、機械学習モデルのトレーニングと内部バリデーションにCOVIDx CT 2Aを使用した。
  論文  参考訳（メタデータ） (2022-12-28T16:23:18Z)
• Dual Multi-scale Mean Teacher Network for Semi-supervised Infection Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
  CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。 現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。 既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
  論文  参考訳（メタデータ） (2022-11-10T13:11:21Z)
• COVID-19 Detection Using Transfer Learning Approach from Computed Tomography Images [0.0]
  我々は最近,CT(CT)画像データベースを用いた移動学習手法を提案する。 具体的には、新型コロナウイルス検出のための改良型Xceptionモデルの有効性について検討する。 その結果、検証サブセット上での精度、精度、リコール、マクロF1スコアにおけるメソッドの優位性を明らかにした。
  論文  参考訳（メタデータ） (2022-07-01T08:22:00Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
  深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。 オープンソースデータのトレーニングやテストでは,結果は異例です。 データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
  論文  参考訳（メタデータ） (2021-09-14T10:59:11Z)
• Learning from Pseudo Lesion: A Self-supervised Framework for COVID-19 Diagnosis [22.54540093657541]
  コロナウイルス感染症2019(COVID-19)は、2019年12月の報告以来、世界中で急速に拡大している。 近年、ディープラーニングに基づくアプローチは、無数の画像認識タスクにおいて顕著なパフォーマンスを示している。 本報告では, 疑似病変の発生と回復に基づく自己指導型事前訓練法を提案する。
  論文  参考訳（メタデータ） (2021-06-23T11:21:30Z)
• MIA-COV19D: COVID-19 Detection through 3-D Chest CT Image Analysis [4.5497948012757865]
  約5,000個の3次元CTスキャンからなる,COVID-19に注釈を付したCOV19-CT-DBデータベースについて報告する。 プライバシー上の問題から、公開可能なCOVID-19 CTデータセットの入手は非常に困難である。 また,CNN-RNNネットワークに基づく深層学習手法を提案し,その性能をCOVID19-CT-DBデータベース上で報告する。
  論文  参考訳（メタデータ） (2021-06-14T15:48:14Z)
• Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
  深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。 我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。 複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
  論文  参考訳（メタデータ） (2021-02-18T21:14:52Z)
• Rapidly Bootstrapping a Question Answering Dataset for COVID-19 [88.86456834766288]
  我々は、新型コロナウイルスに特化して設計された質問応答データセットの始まりであるCovidQAを紹介する。 これは、そのタイプの最初の公開リソースであり、より実質的な評価資源が利用可能になるまで研究を導くためのストップギャップとして意図されている。
  論文  参考訳（メタデータ） (2020-04-23T17:35:11Z)

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。