論文の概要: Multi-Feature Vision Transformer via Self-Supervised Representation Learning for Improvement of COVID-19 Diagnosis

• arxiv url: http://arxiv.org/abs/2208.01843v1
• Date: Wed, 3 Aug 2022 05:02:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-04 13:20:10.488031
• Title: Multi-Feature Vision Transformer via Self-Supervised Representation Learning for Improvement of COVID-19 Diagnosis
• Title（参考訳）: 自己監督型表現学習による多機能視覚変換器による新型コロナウイルス診断の改善
• Authors: Xiao Qi, David J. Foran, John L. Nosher, Ilker Hacihaliloglu
• Abstract要約: CXR画像からのCOVID-19感染症の診断における自己教師型学習の有効性について検討した。 我々は、元のCXR画像とそれに対応する拡張されたローカル位相CXR画像から情報を学ぶために、クロスアテンション機構をデプロイする。 局所位相に基づく拡張CXR画像を活用することで,ベースライン型自己教師学習モデルの性能をさらに向上できることを示す。
• 参考スコア（独自算出の注目度）: 2.3513645401551333
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The role of chest X-ray (CXR) imaging, due to being more cost-effective, widely available, and having a faster acquisition time compared to CT, has evolved during the COVID-19 pandemic. To improve the diagnostic performance of CXR imaging a growing number of studies have investigated whether supervised deep learning methods can provide additional support. However, supervised methods rely on a large number of labeled radiology images, which is a time-consuming and complex procedure requiring expert clinician input. Due to the relative scarcity of COVID-19 patient data and the costly labeling process, self-supervised learning methods have gained momentum and has been proposed achieving comparable results to fully supervised learning approaches. In this work, we study the effectiveness of self-supervised learning in the context of diagnosing COVID-19 disease from CXR images. We propose a multi-feature Vision Transformer (ViT) guided architecture where we deploy a cross-attention mechanism to learn information from both original CXR images and corresponding enhanced local phase CXR images. We demonstrate the performance of the baseline self-supervised learning models can be further improved by leveraging the local phase-based enhanced CXR images. By using 10\% labeled CXR scans, the proposed model achieves 91.10\% and 96.21\% overall accuracy tested on total 35,483 CXR images of healthy (8,851), regular pneumonia (6,045), and COVID-19 (18,159) scans and shows significant improvement over state-of-the-art techniques. Code is available https://github.com/endiqq/Multi-Feature-ViT
• Abstract（参考訳）: 胸部X線画像(CXR)の役割は、コスト効率が高く、広く利用でき、CTと比較してより速い取得時間を持つため、COVID-19パンデミックの間に進化してきた。 CXR画像の診断性能を向上させるために,教師付き深層学習法がさらなる支援に役立つかどうかを検討した。 しかし、監督された方法は多数のラベル付き放射線画像に依存しており、専門的な臨床医の入力を必要とする時間的かつ複雑な手順である。 新型コロナウイルス患者データの相対的不足と、コストのかかるラベル付けプロセスにより、自己教師付き学習法が勢いを増し、完全に教師付き学習法に匹敵する結果が提案されている。 本研究では,cxr画像から新型コロナウイルスの診断における自己教師あり学習の有効性について検討した。 我々は、元のCXR画像とそれに対応する拡張ローカル位相CXR画像から情報を学ぶためのクロスアテンション機構をデプロイする多機能ビジョントランスフォーマー(ViT)ガイドアーキテクチャを提案する。 局所位相に基づく拡張CXR画像を活用することで,ベースライン自己教師学習モデルの性能をさらに向上できることを示す。 10\%のラベル付きCXRスキャンを用いて、健康(8,851)、レギュラー肺炎(6,045)、COVID-19(18,159)の合計35,483枚のCXR画像に対して、91.10\%と96.21\%の総合精度を達成し、最先端技術よりも大幅に改善した。 コードはhttps://github.com/endiqq/Multi-Feature-ViTで入手できる。

関連論文リスト

• Multi-Scale Feature Fusion using Parallel-Attention Block for COVID-19 Chest X-ray Diagnosis [2.15242029196761]
  世界的な新型コロナウイルス危機下では、チェストX線(CXR)画像からの新型コロナウイルスの正確な診断が重要である。 並列アテンションブロックを用いた新しい多機能融合ネットワークを提案し、元のCXR画像とローカル位相特徴強調CXR画像をマルチスケールで融合する。
  論文  参考訳（メタデータ） (2023-04-25T16:56:12Z)
• COVID-19 Detection Based on Self-Supervised Transfer Learning Using Chest X-Ray Images [38.65823547986758]
  胸部X線(CXR)画像から新型コロナウイルスを検出するための自己教師伝達学習法を提案する。 オープンなCOVID-19 CXRデータセットの定量的評価と,視覚検査のための質的結果について検討した。
  論文  参考訳（メタデータ） (2022-12-19T07:10:51Z)
• 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)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• 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)
• Deep Metric Learning-based Image Retrieval System for Chest Radiograph and its Clinical Applications in COVID-19 [12.584626589565522]
  胸部X線写真(CXR)は、新型コロナウイルス患者のトリアージ、診断、モニタリングにおいて重要な役割を担っている。 CXRの混合信号や非特異的信号を考えると、類似した画像と関連する臨床情報の両方を提供するCXRの画像検索モデルは、より臨床的に有意義である。 本研究では,深度学習に基づく新しいCXR画像検索モデルを開発する。
  論文  参考訳（メタデータ） (2020-11-26T03:16:48Z)
• Chest X-ray Image Phase Features for Improved Diagnosis of COVID-19 Using Convolutional Neural Network [2.752817022620644]
  最近の研究で、新型コロナウイルス患者のX線写真には、新型コロナウイルスに関する情報が含まれていることが示されている。 胸部X線(CXR)は、高速な撮像時間、広範囲の可用性、低コスト、可搬性から注目されている。 本研究では、CXR画像から新型コロナウイルスの分類を改善するために、新しい多機能畳み込みニューラルネットワーク(CNN)アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2020-11-06T20:26:26Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• 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。