論文の概要: DCNNV-19: Uma rede neural convolucional profunda para detec\c{c}\~ao de COVID-19 em tomografias computadorizadas tor\'acicas

• arxiv url: http://arxiv.org/abs/2208.09349v1
• Date: Thu, 18 Aug 2022 17:57:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-08-22 17:29:38.638489
• Title: DCNNV-19: Uma rede neural convolucional profunda para detec\c{c}\~ao de COVID-19 em tomografias computadorizadas tor\'acicas
• Title（参考訳）: DCNNV-19: Uma rede neural convolucional profunda para detec\c{c}\~ao de COVID-19 em tomografias computadorizadas tor\'acicas
• Authors: Victor Felipe Reis-Silva
• Abstract要約: このモデルは83,391枚で訓練され、15,297枚で検証され、22,185枚で試験された。 F1スコアは98%、コーエンのカッパは97.59%、精度は98.4%、ロスは5.09%だった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This technical report proposes the use of a deep convolutional neural network as a preliminary diagnostic method in the analysis of chest computed tomography images from patients with symptoms of Severe Acute Respiratory Syndrome (SARS) and suspected COVID-19 disease, especially on occasions when the delay of the RT-PCR result and the absence of urgent care could result in serious temporary, long-term, or permanent health damage. The model was trained on 83,391 images, validated on 15,297, and tested on 22,185 figures, achieving an F1-Score of 98%, 97.59% in Cohen's Kappa, 98.4% in Accuracy, and 5.09% in Loss. Attesting a highly accurate automated classification and providing results in less time than the current gold-standard exam, Real-Time reverse-transcriptase Polymerase Chain Reaction (RT-PCR). -- O presente relat\'orio t\'ecnico prop\~oe a utiliza\c{c}\~ao de uma rede neural convolucional profunda como m\'etodo diagn\'ostico preliminar na an\'alise de imagens de tomografia computadorizada tor\'acica em pacientes com sintomas de S\'indrome Respirat\'oria Aguda Grave (SRAG) e suspeita de COVID-19, principalmente em ocasi\~oes em que a demora do resultado do RT-PCR e a aus\^encia de cuidados urgentes poderia acarretar graves danos tempor\'arios, \`a longo prazo, ou permanentes \`a sa\'ude. O modelo foi treinado em 83.391 imagens, validado em 15.297, e testado em 22.185 figuras, atingindo pontua\c{c}\~ao no F1-Score de 98%, 97,59% em Cohen's Kappa, 98,4% de Acur\'acia e 5,09% de Loss. Atestando uma classifica\c{c}\~ao automatizada r\'apida e de alta precis\~ao, e fornecendo resultado em tempo menor ao do exame padr\~ao-ouro atual, o Real-Time reverse-transcriptase Polymerase Chain Reaction (RT-PCR).
• Abstract（参考訳）: 本報告では,重症急性呼吸器症候群 (sars) および感染症の疑いのある患者からの胸部ct画像の解析において,特にrt-pcrの遅延と緊急ケアの欠如が重篤な一時的,長期的,または永久的な健康被害をもたらす可能性がある場合に,深層畳み込みニューラルネットワークを予備的診断法として用いることを提案する。 このモデルは83,391枚で訓練され、15,297枚で検証され、22,185枚でテストされ、F1スコアは98%、コーエンのカッパは97.59%、精度は98.4%、ロスは5.09%に達した。 高精度な自動分類を検証し、現在のゴールド標準試験であるrt-pcr(real-time reversetranscriptase polymerase chain reaction)よりも少ない時間で結果を提供する。 -O presente relat\'orio t\'ecnico prop\~oe a utiliza\c{c}\~ao de uma rede neural convolucional profunda como m\'etodo diagn\'ostico preliminar na an\'alise de imagens de tomografia computadorizada tor\'acica em pacientes com sintomas de S\'indrome Respirat\'oria Aguda Grave (SRAG) e suspeita de COVID-19, principalmente em ocasi\~oes em que a demora do resultado do RT-PCR e a aus\^encia de cuidados urgentes poderia acarretar graves danos tempor\'arios, \`a longo prazo, ou permanentes \`a sa\'ude. O modelo foi treinado em 83.391 imagens, validado em 15.297, e testado em 22.185 figuras, atingindo pontua\c{c}\~ao no F1-Score de 98%, 97,59% em Cohen's Kappa, 98,4% de Acur\'acia e 5,09% de Loss。 Atestando uma classifica\c{c}\~ao automatedizada r\'apida e de alta precis\~ao, e fornecendo resultado em tempo menor ao do exame padr\~ao-ouro atual, o Real-Time reverse-transcriptase Polymerase Chain Reaction (RT-PCR)。

関連論文リスト

• A Novel Implementation of Machine Learning for the Efficient, Explainable Diagnosis of COVID-19 from Chest CT [0.0]
  本研究の目的は、胸部CTスキャンから新型コロナウイルスを機械学習で検出することである。 提案したモデルは0.927の総合精度と0.958の感度を得た。
  論文  参考訳（メタデータ） (2022-06-15T18:35:22Z)
• A Generic Deep Learning Based Cough Analysis System from Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
  臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。 提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。 DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
  論文  参考訳（メタデータ） (2021-11-10T19:39:26Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
  我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。 この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
  論文  参考訳（メタデータ） (2021-05-14T11:59:47Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• Classification of COVID-19 via Homology of CT-SCAN [2.624902795082451]
  CTスキャン画像を用いたSARS-CoV-2の検出手法を提案する。 SARS-CoV-2の特徴をトポロジカル特性を定量化して主に追跡します。 モデル全体のベンチマークF1スコアは$99.42%、精度$99.416%、精度$99.41%、リコール$99.42%だった。
  論文  参考訳（メタデータ） (2021-02-21T12:18:38Z)
• CT-CAPS: Feature Extraction-based Automated Framework for COVID-19 Disease Identification from Chest CT Scans using Capsule Networks [33.773060540360625]
  新型コロナウイルス(COVID-19)の世界的な流行は世界に大きな影響を与えており、第二次世界大戦以来最も困難な危機の1つとなっている。 新型コロナウイルス感染者の早期診断と隔離は、感染拡大を予防し、流行曲線をフラット化するための重要な手段と考えられている。 最近では、主に畳み込みニューラルネットワーク(CNN)に基づくディープラーニングベースのモデルが、有望な診断結果を示している。 本稿では,CT-CAPS(CT-CAPS)と呼ばれるCapsule Networkフレームワークを用いて,胸部CTスキャンの特徴を自動抽出する手法を提案する。
  論文  参考訳（メタデータ） (2020-10-30T03:35:29Z)
• Deep Sequential Learning for Cervical Spine Fracture Detection on Computed Tomography Imaging [20.051649556262216]
  CT 軸方向画像における頚椎骨折の自動検出のための双方向長期記憶(BLSTM)層を用いた深部畳み込みニューラルネットワーク(DCNN)を提案する。 我々は,3,666個のCTスキャン(陽性729例,陰性2,937例)の注釈付きデータセットを用いて,モデルをトレーニングし,検証した。 検証結果から, 正の104例と負の104例と負の104例と負の104例と負の419例とで, 70.92%, 79.18%の分類精度を示した。
  論文  参考訳（メタデータ） (2020-10-26T04:36:29Z)
• 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)
• JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
  新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。 感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。 本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
  論文  参考訳（メタデータ） (2020-04-15T12:30:40Z)
• Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using Quantitative Features from Chest CT Images [54.919022945740515]
  本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。 ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。 新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
  論文  参考訳（メタデータ） (2020-03-26T15:49:32Z)

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。