論文の概要: Adaptive GLCM sampling for transformer-based COVID-19 detection on CT
- arxiv url: http://arxiv.org/abs/2207.01520v1
- Date: Mon, 4 Jul 2022 15:31:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-05 19:12:10.141450
- Title: Adaptive GLCM sampling for transformer-based COVID-19 detection on CT
- Title（参考訳）: CTを用いたトランスウイルス検出のための適応型GLCMサンプリング
- Authors: Okchul Jung, Dong Un Kang, Gwanghyun Kim, Se Young Chun
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 15.721176922155406
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The world has suffered from COVID-19 (SARS-CoV-2) for the last two years,
causing much damage and change in people's daily lives. Thus, automated
detection of COVID-19 utilizing deep learning on chest computed tomography (CT)
scans became promising, which helps correct diagnosis efficiently. Recently,
transformer-based COVID-19 detection method on CT is proposed to utilize 3D
information in CT volume. However, its sampling method for selecting slices is
not optimal. To leverage rich 3D information in CT volume, we propose a
transformer-based COVID-19 detection using a novel data curation and adaptive
sampling method using gray level co-occurrence matrices (GLCM). To train the
model which consists of CNN layer, followed by transformer architecture, we
first executed data curation based on lung segmentation and utilized the
entropy of GLCM value of every slice in CT volumes to select important slices
for the prediction. The experimental results show that the proposed method
improve the detection performance with large margin without much difficult
modification to the model.
- Abstract（参考訳）: 世界は過去2年間、新型コロナウイルス(SARS-CoV-2)に苦しんできた。
そこで,胸部CTスキャンによる深層学習によるCOVID-19の自動検出が期待できるようになり,診断の精度が向上した。
近年,CTの3次元情報を活用するために,CT上のトランスフォーマーを用いたCOVID-19検出法が提案されている。
しかし,スライス選択のためのサンプリング手法は最適ではない。
我々は,CTボリュームのリッチな3D情報を活用するために,新しいデータキュレーションとグレーレベル共起行列(GLCM)を用いた適応サンプリング手法を用いたトランスフォーマーベースのCOVID-19検出を提案する。
CNN層とトランスフォーマーアーキテクチャからなるモデルをトレーニングするために,まず肺分画に基づくデータキュレーションを行い,CTボリューム中の各スライスのGLCM値のエントロピーを利用して,予測のための重要なスライスを選択する。
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。
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) - 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) - Evaluating Transferability for Covid 3D Localization Using CT SARS-CoV-2
segmentation models [8.026717228180935]
本稿では,CT画像中の肺炎感染領域のセマンティックセグメンテーションにおけるディープラーニングモデル転送可能性の有用性について検討する。
本研究は,特定のCTデータセットを用いて,トレーニング済みのU-Netアーキテクチャを用いて,異なるデータセットの画像に対するCovid-19副作用を特定することの有効性を検討する。
論文 参考訳（メタデータ） (2022-05-04T16:15:25Z) - Unsupervised Contrastive Learning based Transformer for Lung Nodule
Detection [6.693379403133435]
CTによる肺結節の早期発見は,肺癌患者の長期生存と生活の質の向上に不可欠である。
CAD (Computer-Aided Detection/diagnosis) はこの文脈において第2または同時読影器として有用である。
肺結節の正確な検出は、サイズ、位置、および肺結節の出現のばらつきにより、CADシステムや放射線技師にとって依然として困難である。
近年のコンピュータビジョン技術に触発されて,肺結節を同定するための自己教師付き領域ベース3次元トランスフォーマーモデルを提案する。
論文 参考訳（メタデータ） (2022-04-30T01:19:00Z) - 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) - A hybrid deep learning framework for Covid-19 detection via 3D Chest CT
Images [5.3708513698154015]
本稿では,畳み込みニューラルネットワークとトランスフォーマーを組み合わせた3D胸部CT画像によるCOVID-19検出のためのハイブリッドディープラーニングフレームワークCTNetを提案する。
これは、CTスキャンから十分な特徴を抽出するためにSEが注目するCNN特徴抽出モジュールと、3D CTスキャンの識別特徴をモデル化するトランスフォーマーモデルで構成されている。
論文 参考訳（メタデータ） (2021-07-08T15:37:46Z) - 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) - 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) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - Label-Free Segmentation of COVID-19 Lesions in Lung CT [17.639558085838583]
ピクセルレベルの異常モデルを用いて,CTで新型コロナウイルスの病変を分類するためのラベルフリーアプローチを提案する。
我々のモデリングは、気管と血管の一部が、病変が属する高強度範囲にあり、強いパターンを示すという観察に着想を得たものである。
実験では,NormNetの有効性を3つの異なるデータセットで検証した。
論文 参考訳（メタデータ） (2020-09-08T12:38:34Z) - 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。