Fugu-MT 論文翻訳(概要): A review of Deep learning Techniques for COVID-19 identification on Chest CT images

論文の概要: A review of Deep learning Techniques for COVID-19 identification on Chest CT images

arxiv url: http://arxiv.org/abs/2208.00032v1
Date: Fri, 29 Jul 2022 18:27:20 GMT
ステータス: 処理完了
システム内更新日: 2022-08-02 13:25:18.024012
Title: A review of Deep learning Techniques for COVID-19 identification on Chest CT images
Title（参考訳）: 胸部CT画像におけるCOVID-19診断のための深層学習技術の検討
Authors: Briskline Kiruba S, Petchiammal A, D. Murugan
Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックは、肺に直接影響を及ぼす人類にとって深刻な脅威だ。新型コロナウイルスの診断法としては、RT-PCR(Reverse Transcription Polymerase Chain Reaction)がある。研究者たちは、新型コロナウイルスのCT画像分類に非常に効果的であることを証明した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: The current COVID-19 pandemic is a serious threat to humanity that directly affects the lungs. Automatic identification of COVID-19 is a challenge for health care officials. The standard gold method for diagnosing COVID-19 is Reverse Transcription Polymerase Chain Reaction (RT-PCR) to collect swabs from affected people. Some limitations encountered while collecting swabs are related to accuracy and longtime duration. Chest CT (Computed Tomography) is another test method that helps healthcare providers quickly identify the infected lung areas. It was used as a supporting tool for identifying COVID-19 in an earlier stage. With the help of deep learning, the CT imaging characteristics of COVID-19. Researchers have proven it to be highly effective for COVID-19 CT image classification. In this study, we review the recent deep learning techniques that can use to detect the COVID-19 disease. Relevant studies were collected by various databases such as Web of Science, Google Scholar, and PubMed. Finally, we compare the results of different deep learning models, and CT image analysis is discussed.
Abstract（参考訳）: 新型コロナウイルスのパンデミックは、肺に直接影響を及ぼす人類にとって深刻な脅威だ。新型コロナウイルスの自動識別は、医療機関にとって難しい課題だ。新型コロナウイルス(covid-19)の診断には、rt-pcr(reverse transcription polymerase chain reaction)が用いられる。 swabの収集中に遭遇するいくつかの制限は、正確性と長期間の持続性に関連している。 Chest CT(Computed Tomography)は、医療提供者による感染した肺の早期発見を支援する別の検査方法である。初期の段階では、covid-19を識別するための支援ツールとして使用されていた。深層学習の助けを借りて、新型コロナウイルスのCTイメージング特性を解析した。研究者たちは、新型コロナウイルスのCT画像分類に非常に効果的であることを証明した。本研究では,新型コロナウイルス感染症の検出に利用可能な最近の深層学習技術について概説する。関連する研究は、Web of Science、Google Scholar、PubMedなど、さまざまなデータベースによって収集された。最後に,様々なディープラーニングモデルの結果を比較し,ct画像解析について検討した。

関連論文リスト

COVID-19 Disease Identification on Chest-CT images using CNN and VGG16 [0.0]
新型コロナウイルス(COVID-19)は、2019年12月に中国武漢で発生したウイルスによる感染症である。初期の医療機関は、新型コロナウイルス(COVID-19)を検出する適切な医療援助や薬が無かったため、混乱していた。本研究では,胸部CT画像上でのCOVID-19自動同定のための畳み込みニューラルネットワーク(CNN)とVGG16に基づくモデルを提案する。
論文参考訳（メタデータ） (2022-07-09T07:20:15Z)
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)
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)
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)
A New Screening Method for COVID-19 based on Ocular Feature Recognition by Machine Learning Tools [66.20818586629278]
コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
論文参考訳（メタデータ） (2020-09-04T00:50:27Z)
A comparison of deep machine learning algorithms in COVID-19 disease diagnosis [4.636229382827605]
この研究の目的は、画像認識の問題を解決するためにディープニューラルネットワークモデルを使用することである。本研究は、現代の機械学習技術を用いて、新型コロナウイルスの疑いのある患者の診断にX線画像を用いている。
論文参考訳（メタデータ） (2020-08-25T10:51:54Z)
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)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)
COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文参考訳（メタデータ） (2020-04-30T03:13:40Z)
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)

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。