論文の概要: Ensemble CNN models for Covid-19 Recognition and Severity Perdition From 3D CT-scan

• arxiv url: http://arxiv.org/abs/2206.15431v1
• Date: Wed, 29 Jun 2022 14:20:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-01 14:03:48.506887
• Title: Ensemble CNN models for Covid-19 Recognition and Severity Perdition From 3D CT-scan
• Title（参考訳）: 3次元CTスキャンによるCNNモデルによるCovid-19認識と重症度推定
• Authors: Fares Bougourzi, Cosimo Distante, Fadi Dornaika, Abdelmalik Taleb-Ahmed
• Abstract要約: この研究は第2回COV19Dコンペティションの一環で、Covid-19 DetectionとCovid-19 Severity Detection from the CT-Scansという2つの課題が設定されている。 我々はCTスキャンからCovid-19を検出するために,Densenet-161モデルを用いた2次元畳み込みブロックのアンサンブルを提案した。 提案手法は,第2回COV19Dコンペティションのバリデーションデータにおいて,Covid-19検出では11%,Covid-19重症度検出では16%,Covid-19重症度検出では16%,ベースラインアプローチでは2。
• 参考スコア（独自算出の注目度）: 18.231677739397977
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Since the appearance of Covid-19 in late 2019, Covid-19 has become an active research topic for the artificial intelligence (AI) community. One of the most interesting AI topics is Covid-19 analysis of medical imaging. CT-scan imaging is the most informative tool about this disease. This work is part of the 2nd COV19D competition, where two challenges are set: Covid-19 Detection and Covid-19 Severity Detection from the CT-scans. For Covid-19 detection from CT-scans, we proposed an ensemble of 2D Convolution blocks with Densenet-161 models. Here, each 2D convolutional block with Densenet-161 architecture is trained separately and in testing phase, the ensemble model is based on the average of their probabilities. On the other hand, we proposed an ensemble of Convolutional Layers with Inception models for Covid-19 severity detection. In addition to the Convolutional Layers, three Inception variants were used, namely Inception-v3, Inception-v4 and Inception-Resnet. Our proposed approaches outperformed the baseline approach in the validation data of the 2nd COV19D competition by 11% and 16% for Covid-19 detection and Covid-19 severity detection, respectively.
• Abstract（参考訳）: 2019年後半にCovid-19が登場して以来、Covid-19は人工知能(AI)コミュニティの活発な研究トピックとなっている。 最も興味深いAIトピックの1つは、医療画像のCovid-19分析である。 CT-Scan Imagingは、この病気の最も有益なツールである。 この研究は、Covid-19 DetectionとCovid-19 Severity Detection from the CT-Scansという2つ目のCOV19Dコンペティションの一部である。 CTスキャンからCovid-19を検出するために,Densenet-161モデルを用いた2次元畳み込みブロックのアンサンブルを提案した。 ここで、各2次元畳み込みブロックと密度ネット-161アーキテクチャを別々に訓練し、試験段階において、アンサンブルモデルはそれらの確率の平均に基づいている。 一方,我々はCovid-19重度検出のためのインセプションモデルを用いた畳み込み層群を提案する。 畳み込み層に加えて、Inception-v3、Inception-v4、Inception-Resnetの3種類が使用された。 提案手法は,第2回COV19Dコンペティションのバリデーションデータにおいて,Covid-19検出では11%,Covid-19重症度検出では16%,Covid-19重症度検出では16%,ベースラインアプローチでは2。

関連論文リスト

• Ensembling and Test Augmentation for Covid-19 Detection and Covid-19 Domain Adaptation from 3D CT-Scans [14.86694804384387]
  本稿では,第4回COV19Dコンペティションに貢献し,Covid-19 DetectionとCovid-19 Adaptation Challengesに着目した。 アプローチは肺セグメンテーションとCovid-19感染症セグメンテーションを中心にしている。 我々は3つの3D CNNバックボーン、Customized Hybrid-DeCoVNet、事前訓練された3D-Resnet-18および3D-Resnet-50モデルを用いてCovid-19の認識を訓練する。
  論文  参考訳（メタデータ） (2024-03-17T20:44:38Z)
• 2D and 3D CNN-Based Fusion Approach for COVID-19 Severity Prediction from 3D CT-Scans [17.634096977363907]
  この研究は、Covid-19 Severity Predictionの第3回COV19Dコンペティションの一部である。 本稿では,Stem,3D-ResNetの4層,分類ヘッド層,決定層という4つのブロックからなるハイブリッドDeCoVNetアーキテクチャを提案する。 提案手法は,Covid-19重症度予測のための第3回COV19Dコンペティションのバリデーションデータのベースラインアプローチを36%向上させた。
  論文  参考訳（メタデータ） (2023-03-15T16:27:49Z)
• Res-Dense Net for 3D Covid Chest CT-scan classification [4.587122314291089]
  重み付きディープニューラルネットワークを用いて3次元CTスキャン画像からCovid 19を検出する手法を提案する。 この手法は,いくつかの評価指標において競合性能を達成する。
  論文  参考訳（メタデータ） (2022-08-09T09:13:00Z)
• Cov3d: Detection of the presence and severity of COVID-19 from CT scans using 3D ResNets [0.0]
  Cov3dは、胸部CTスキャンからCOVID19の存在と重症度を検出するための3次元畳み込みニューラルネットワークである。 COVID19の重症度を分類する作業では、マクロf1スコアが0.7552に達する。
  論文  参考訳（メタデータ） (2022-07-05T05:22:38Z)
• 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)
• Visual Transformer with Statistical Test for COVID-19 Classification [3.8361014991148785]
  Chest CTスキャンの新型コロナウイルス分類のほとんどのスキームは、単一スライスレベルに基づいている。 我々は,CTスキャンのCOVID-19を予測し,この問題に対処するための2次元および3次元モデルを提案する。
  論文  参考訳（メタデータ） (2021-07-12T11:48:33Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• 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)
• Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray Images [61.24431480245932]
  COVID-19 Multi-Task Networkは、新型コロナウイルススクリーニングのためのエンドツーエンドネットワークである。 我々は,ChestXray-14,CheXpertおよび統合型COVID-19データセットから採取した9000個の前頭胸部X線写真から肺領域を手動で注釈した。 このデータベースは研究コミュニティに公開されます。
  論文  参考訳（メタデータ） (2020-08-03T12:52:23Z)
• 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。