論文の概要: Multi-scale alignment and Spatial ROI Module for COVID-19 Diagnosis
- arxiv url: http://arxiv.org/abs/2207.01345v1
- Date: Mon, 4 Jul 2022 12:07:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-05 13:57:19.006934
- Title: Multi-scale alignment and Spatial ROI Module for COVID-19 Diagnosis
- Title（参考訳）: COVID-19診断のためのマルチスケールアライメントと空間ROIモジュール
- Authors: Hongyan Xu, Dadong Wang, Arcot Sowmya
- Abstract要約: 本研究では,異なる解像度でコンテキスト情報を統合するために,深部空間ピラミッドプーリング(D-SPP)モジュールを提案する。
また,病変部位に注意を向け,無関係な情報から干渉を取り除くためのCIDモジュールも提案する。
以上の結果から,CTおよびCXR画像における新型コロナウイルスの病変の検出精度が向上した。
- 参考スコア（独自算出の注目度）: 13.31017458409054
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coronavirus Disease 2019 (COVID-19) has spread globally and become a health
crisis faced by humanity since first reported. Radiology imaging technologies
such as computer tomography (CT) and chest X-ray imaging (CXR) are effective
tools for diagnosing COVID-19. However, in CT and CXR images, the infected area
occupies only a small part of the image. Some common deep learning methods that
integrate large-scale receptive fields may cause the loss of image detail,
resulting in the omission of the region of interest (ROI) in COVID-19 images
and are therefore not suitable for further processing. To this end, we propose
a deep spatial pyramid pooling (D-SPP) module to integrate contextual
information over different resolutions, aiming to extract information under
different scales of COVID-19 images effectively. Besides, we propose a COVID-19
infection detection (CID) module to draw attention to the lesion area and
remove interference from irrelevant information. Extensive experiments on four
CT and CXR datasets have shown that our method produces higher accuracy of
detecting COVID-19 lesions in CT and CXR images. It can be used as a
computer-aided diagnosis tool to help doctors effectively diagnose and screen
for COVID-19.
- Abstract（参考訳）: コロナウイルス病2019(COVID-19)は世界中で広がり、人類が最初に報告して以来、健康危機に直面している。
コンピュータ断層撮影(CT)や胸部X線画像(CXR)などの放射線画像技術は、新型コロナウイルスの診断に有効なツールである。
しかし、CTおよびCXR画像では、感染領域は画像のごく一部しか占めていない。
大規模な受容野を統合する一般的なディープラーニング手法では、画像詳細が失われることがあり、結果として、COVID-19画像の関心領域(ROI)が省略され、さらなる処理には適さない。
そこで本研究では,異なる解像度でコンテキスト情報を統合するための深部空間ピラミッドプーリング(D-SPP)モジュールを提案する。
また,病変領域に注意を向け,無関係な情報から干渉を取り除くためのcid(covid-19 infection detection)モジュールを提案する。
4つのCTおよびCXRデータセットの大規模な実験により,CTおよびCXR画像におけるCOVID-19病変の検出精度が高くなった。
医師が新型コロナウイルス(COVID-19)の効果的な診断とスクリーニングを支援するコンピューター支援診断ツールとして使用できる。
関連論文リスト
- 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) - COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest
X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。
CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。
我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
論文 参考訳（メタデータ） (2022-06-08T04:39:44Z) - 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) - HRCTCov19 -- A High-Resolution Chest CT Scan Image Dataset for COVID-19
Diagnosis and Differentiation [0.0]
新型コロナウイルスのパンデミックの間、CT(Computerd tomography)は新型コロナウイルスの患者を診断するための一般的な方法であった。
公開でアクセス可能な新型コロナウイルスのCT画像データセットは、プライバシー上の懸念から入手するのが困難である。
HRCTCov19は、新しい新型コロナウイルス高分解能胸部CTスキャン画像データセットである。
論文 参考訳（メタデータ） (2022-05-06T12:49:18Z) - Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。
深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。
そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
論文 参考訳（メタデータ） (2021-02-01T02:37:49Z) - Screening COVID-19 Based on CT/CXR Images & Building a Publicly
Available CT-scan Dataset of COVID-19 [6.142272540492935]
本研究は、1000人以上からなる13k以上のCT画像で構成され、新型コロナウイルスに感染した500人の患者から8kの画像を撮影する大規模なCTスキャンデータセットを構築した。
提案するCTデータセットを用いて,COVID-19をスクリーニングする深層学習モデルを提案し,その結果を報告する。
最後に、トランスファーラーニング手法を用いてCXR画像からCOVID-19をスクリーニングするCTモデルを拡張した。
論文 参考訳（メタデータ） (2020-12-28T11:52:33Z) - 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) - COVID-19 CT Image Synthesis with a Conditional Generative Adversarial
Network [26.12568967493797]
コロナウイルス感染症2019(COVID-19)は、2019年12月以降急速に拡大している世界的なパンデミックである。
リアルタイム逆転写ポリメラーゼ鎖反応 (rRT-PCR) と胸部CT画像撮影 (CT) はどちらも新型コロナウイルスの診断において重要な役割を担っている。
深層学習に基づくコンピュータビジョン手法は、医用画像の応用において非常に有望であることを示す。
論文 参考訳（メタデータ） (2020-07-29T07:20:06Z) - 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) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳（メタデータ） (2020-04-06T15:21:34Z)
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。