Fugu-MT 論文翻訳(概要): Cov3d: Detection of the presence and severity of COVID-19 from CT scans using 3D ResNets

論文の概要: Cov3d: Detection of the presence and severity of COVID-19 from CT scans using 3D ResNets

arxiv url: http://arxiv.org/abs/2207.12218v1
Date: Tue, 5 Jul 2022 05:22:38 GMT
ステータス: 処理完了
システム内更新日: 2022-07-31 14:42:51.055325
Title: Cov3d: Detection of the presence and severity of COVID-19 from CT scans using 3D ResNets
Title（参考訳）: Cov3d:3D ResNetを用いたCTスキャンによるCOVID-19の存在と重症度の検出
Authors: Robert Turnbull
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning has been used to assist in the analysis of medical imaging. One such use is the classification of Computed Tomography (CT) scans when detecting for COVID-19 in subjects. This paper presents Cov3d, a three dimensional convolutional neural network for detecting the presence and severity of COVID19 from chest CT scans. Trained on the COV19-CT-DB dataset with human expert annotations, it achieves a macro f1 score of 0.9476 on the validation set for the task of detecting the presence of COVID19. For the task of classifying the severity of COVID19, it achieves a macro f1 score of 0.7552. Both results improve on the baseline results of the `AI-enabled Medical Image Analysis Workshop and Covid-19 Diagnosis Competition' (MIA-COV19D) in 2022.
Abstract（参考訳）: 深層学習は医療画像解析の補助として用いられている。そのような用途の1つは、被験者のCOVID-19を検出する際のCTスキャンの分類である。胸部CT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Cov3dを提案する。人間の専門家アノテーションを用いたCOV19-CT-DBデータセットに基づいて、COVID19の存在を検出するタスクの検証セットにおいて、マクロf1スコア0.9476を達成する。 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。 2022年の「AI対応医用画像分析ワークショップとコビッド-19診断コンペティション」(MIA-COV19D)のベースライン結果を改善した。

関連論文リスト

Advancing COVID-19 Detection in 3D CT Scans [19.844531606142496]
我々はResNeSt50を強力な特徴抽出器として使用し、新型コロナウイルス特異的な事前知識を持つ事前訓練した重量で初期化する。本モデルでは,第4回COV19Dコンペティションチャレンジの検証セットにおいて,マクロF1スコア0.94を達成する。
論文参考訳（メタデータ） (2024-03-18T16:50:13Z)
Enhanced detection of the presence and severity of COVID-19 from CT scans using lung segmentation [0.0]
本稿では,2022年大会に提出されたディープラーニングモデルであるCov3dのバージョン2を示す。その結果、CTスキャンにおける新型コロナウイルスの存在を93.2%で予測するための検証マクロF1スコアが得られた。タスク2のバリデーションセットにおいて、新型コロナウイルスの重症度を予測するマクロF1スコアを、ベースラインの38%以上である72.8%に設定する。
論文参考訳（メタデータ） (2023-03-16T16:15:42Z)
Enhancing COVID-19 Severity Analysis through Ensemble Methods [13.792760290422185]
本稿では、新型コロナウイルス患者の感染症領域を抽出するためのドメイン知識に基づくパイプラインを提案する。感染の重症度は、3つの機械学習モデルのアンサンブルを使用して異なるカテゴリに分類される。提案システムは,AI-Enabled Medical Image Analysis WorkshopとCOVID-19診断コンペティションの検証データセットを用いて評価した。
論文参考訳（メタデータ） (2023-03-13T13:59:47Z)
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)
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)
COVID-VIT: Classification of COVID-19 from CT chest images based on vision transformer models [0.8594140167290099]
この論文は、CT肺画像に基づいて、非COVIDからCOVIDを分類するMIA-COV19の課題に対応している。主な目的は、胸部X線写真から新型コロナウイルスの診断を予測することである。注目モデルに基づく視覚変換器(ViT)と従来の畳み込みニューラルネットワーク(CNN)に基づくDenseNetの2つのディープラーニング手法について検討した。
論文参考訳（メタデータ） (2021-07-04T16:55:51Z)
COVID-Net CT-S: 3D Convolutional Neural Network Architectures for COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。 3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
論文参考訳（メタデータ） (2021-05-04T04:44:41Z)
COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19 from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
論文参考訳（メタデータ） (2021-01-19T03:04:09Z)
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)

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。