Fugu-MT 論文翻訳(概要): PVT-COV19D: Pyramid Vision Transformer for COVID-19 Diagnosis

論文の概要: PVT-COV19D: Pyramid Vision Transformer for COVID-19 Diagnosis

arxiv url: http://arxiv.org/abs/2206.15069v1
Date: Thu, 30 Jun 2022 07:05:50 GMT
ステータス: 処理完了
システム内更新日: 2022-07-01 15:21:12.260888
Title: PVT-COV19D: Pyramid Vision Transformer for COVID-19 Diagnosis
Title（参考訳）: PVT-COV19D 新型コロナウイルス診断用ピラミッド型ヴィジュアルトランス
Authors: Lilang Zheng, Jiaxuan Fang, Xiaorun Tang, Hanzhang Li, Jiaxin Fan, Tianyi Wang, Rui Zhou, Zhaoyan Yan
Abstract要約: 肺CT画像に基づく自動診断フレームワークPVT-COV19Dを提案する。 COV19-CT-DBデータセットにおける多数の実験により,提案手法の有効性が示された。
参考スコア（独自算出の注目度）: 10.357765730023223
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the outbreak of COVID-19, a large number of relevant studies have emerged in recent years. We propose an automatic COVID-19 diagnosis framework based on lung CT scan images, the PVT-COV19D. In order to accommodate the different dimensions of the image input, we first classified the images using Transformer models, then sampled the images in the dataset according to normal distribution, and fed the sampling results into the modified PVTv2 model for training. A large number of experiments on the COV19-CT-DB dataset demonstrate the effectiveness of the proposed method.
Abstract（参考訳）: 新型コロナウイルス(covid-19)の流行に伴い、近年、多くの関連する研究がなされている。肺CT画像に基づく自動診断フレームワークPVT-COV19Dを提案する。画像入力の異なる寸法に対応するため、まずTransformerモデルを用いて画像を分類し、次に正規分布に従ってデータセット内の画像をサンプリングし、その結果を修正PVTv2モデルに入力してトレーニングを行った。 cov19-ct-dbデータセットにおける多数の実験が提案手法の有効性を示している。

関連論文リスト

COVID-19 detection using ViT transformer-based approach from Computed Tomography Images [0.0]
我々は,CT画像を用いた新型コロナウイルス診断の精度と効率を高めるための新しいアプローチを提案する。 224x224サイズの入力画像に対して設定されたベースViT変換器を用いて、バイナリ分類タスクに適合するように出力を変更する。本手法では,患者のCTスライスをCOVID-19または非COVID-19に分類し,系統的な患者レベルの予測戦略を実装した。
論文参考訳（メタデータ） (2023-10-12T09:37:56Z)
Adaptive GLCM sampling for transformer-based COVID-19 detection on CT [15.721176922155406]
本稿では,新しいデータキュレーションと適応サンプリング手法を用いたトランスフォーマーを用いたCOVID-19検出手法を提案する。実験結果から,提案手法はモデル変更の困難さを伴わずに,大きなマージンで検出性能を向上することを示した。
論文参考訳（メタデータ） (2022-07-04T15:31:21Z)
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)
COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。 COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
論文参考訳（メタデータ） (2022-06-07T06:35:48Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
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)
A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
論文参考訳（メタデータ） (2021-01-14T01:39:19Z)
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)
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)
Intra-model Variability in COVID-19 Classification Using Chest X-ray Images [0.0]
12の共通ディープラーニングアーキテクチャにおいて,胸部X線におけるCOVID-19検出のためのベースライン性能指標と変数の定量化を行う。最高のパフォーマンスモデルでは、新型コロナウイルスをホールドアウトセットで検出する際の偽陰性率は20点中3点である。
論文参考訳（メタデータ） (2020-04-30T21:20:32Z)
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。