論文の概要: COVID-19 Detection Using Transfer Learning Approach from Computed Tomography Images

• arxiv url: http://arxiv.org/abs/2207.00259v5
• Date: Sun, 10 Dec 2023 18:04:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 03:30:53.377197
• Title: COVID-19 Detection Using Transfer Learning Approach from Computed Tomography Images
• Title（参考訳）: CT画像からのトランスファーラーニングアプローチを用いたCOVID-19検出
• Authors: Kenan Morani, Esra Kaya Ayana, Devrim Unay
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The significance of efficient and accurate diagnosis amidst the unique challenges posed by the COVID-19 pandemic underscores the urgency for innovative approaches. In response to these challenges, we propose a transfer learning-based approach using a recently annotated Computed Tomography (CT) image database. While many approaches propose an intensive data preproseccing and/or complex model architecture, our method focusses on offering an efficient solution with minimal manual engineering. Specifically, we investigate the suitability of a modified Xception model for COVID-19 detection. The method involves adapting a pre-trained Xception model, incorporating both the architecture and pre-trained weights from ImageNet. The output of the model was designed to take the final diagnosis decisions. The training utilized 128 batch sizes and 224x224 input image dimensions, downsized from standard 512x512. No further da processing was performed on the input data. Evaluation is conducted on the 'COV19-CT-DB' CT image dataset, containing labeled COVID-19 and non-COVID-19 cases. Results reveal the method's superiority in accuracy, precision, recall, and macro F1 score on the validation subset, outperforming VGG-16 transfer model and thus offering enhanced precision with fewer parameters. Furthermore, when compared to alternative methods for the COV19-CT-DB dataset, our approach exceeds the baseline approach and other alternatives on the same dataset. Finally, the adaptability of the modified Xception trasnfer learning-based model to the unique features of the COV19-CT-DB dataset showcases its potential as a robust tool for enhanced COVID-19 diagnosis from CT images.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックによる独特な課題の中で、効率的かつ正確な診断の重要性は、革新的なアプローチの緊急性を示している。 これらの課題に対応するために,最近アノテーション付きct画像データベースを用いたトランスファー学習に基づくアプローチを提案する。 多くのアプローチが集中型データプリプロセシングおよび/または複雑なモデルアーキテクチャを提案するが、この手法は最小限の手動エンジニアリングで効率的なソリューションを提供することに焦点を当てている。 具体的には、covid-19検出のための修正xceptionモデルの適合性について検討する。 この方法は、事前トレーニングされたXceptionモデルを適応させ、ImageNetのアーキテクチャと事前トレーニングされた重みの両方を組み込む。 モデルの出力は最終的な診断決定を下すように設計された。 トレーニングでは、128のバッチサイズと224x224の入力画像サイズを使用し、標準の512x512から縮小した。 入力データ上でのda処理は行われなかった。 検査は「COV19-CT-DB」CT画像データセットを用いて行う。 その結果、検証サブセットにおける精度、精度、リコール、マクロF1スコアの精度が向上し、VGG-16転送モデルよりも優れ、パラメータが少ない精度が向上した。 さらに、cov19-ct-dbデータセットの代替手法と比較すると、同じデータセット上のベースラインアプローチや他の代替方法を超える。 最後に、COV19-CT-DBデータセットのユニークな特徴に対するXception trasnfer学習ベースモデルの適応性は、CT画像から新型コロナウイルスを診断するための堅牢なツールとしての可能性を示している。

関連論文リスト

• COVID-19 Detection Using Slices Processing Techniques and a Modified Xception Classifier from Computed Tomography Images [0.0]
  本稿では,CT画像からCOVID-19を検出する方法を提案する。 モデル誤分類を減らすために、画像処理の2つの重要なステップが採用された。 Xceptionのアーキテクチャと事前訓練された重み付けにより、修正されたモデルはバイナリ分類を達成した。
  論文  参考訳（メタデータ） (2023-12-10T19:12:36Z)
• 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)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Boosting Automatic COVID-19 Detection Performance with Self-Supervised Learning and Batch Knowledge Ensembling [38.65823547986758]
  既存の方法は、通常、事前訓練プロセスとして、自然画像からの教師あり転送学習を使用する。 バッチ知識を微調整フェーズに導入し,自己教師型学習に使用するメモリを削減した。 本手法は,注釈付きCXR訓練画像が大幅に縮小された場合でも高い検出精度を維持する。
  論文  参考訳（メタデータ） (2022-12-19T07:39:26Z)
• 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)
• PrepNet: A Convolutional Auto-Encoder to Homogenize CT Scans for Cross-Dataset Medical Image Analysis [0.22485007639406518]
  新型コロナウイルスの診断はPCR検査で効率的に行えるようになったが、このユースケースは、データの多様性を克服する方法論の必要性を実証するものだ。 本稿では,CTスキャンに最小限の変更を同時に導入しながら,イメージング技術によって引き起こされる差を解消することを目的とした,新しい生成手法を提案する。
  論文  参考訳（メタデータ） (2022-08-19T15:49:47Z)
• 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)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• 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)
• 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)

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。