論文の概要: CCTCOVID: COVID-19 Detection from Chest X-Ray Images Using Compact Convolutional Transformers

• arxiv url: http://arxiv.org/abs/2209.13399v1
• Date: Tue, 27 Sep 2022 14:02:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 16:28:31.516742
• Title: CCTCOVID: COVID-19 Detection from Chest X-Ray Images Using Compact Convolutional Transformers
• Title（参考訳）: CCTCOVID:小型コンボリューショントランスを用いた胸部X線画像からのCOVID-19検出
• Authors: Abdolreza Marefat, Mahdieh Marefat, Javad Hasannataj Joloudari, Mohammad Ali Nematollahi, Reza Lashgari
• Abstract要約: 新型コロナウイルスは、上気道と肺を攻撃する新しいウイルスである。 世界中の数千人の死者は、新型コロナウイルスの発見が緊急の需要であることを示唆している。 ディープラーニングベースのアプローチは、幅広い医療タスクにおいて大きな可能性を証明している。
• 参考スコア（独自算出の注目度）: 0.08749675983608168
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: COVID-19 is a novel virus that attacks the upper respiratory tract and the lungs. Its person-to-person transmissibility is considerably rapid and this has caused serious problems in approximately every facet of individuals lives. While some infected individuals may remain completely asymptomatic, others have been frequently witnessed to have mild to severe symptoms. In addition to this, thousands of death cases around the globe indicated that detecting COVID-19 is an urgent demand in the communities. Practically, this is prominently done with the help of screening medical images such as Computed Tomography (CT) and X-ray images. However, the cumbersome clinical procedures and a large number of daily cases have imposed great challenges on medical practitioners. Deep Learning-based approaches have demonstrated a profound potential in a wide range of medical tasks. As a result, we introduce a transformer-based method for automatically detecting COVID-19 from X-ray images using Compact Convolutional Transformers (CCT). Our extensive experiments prove the efficacy of the proposed method with an accuracy of 98% which outperforms the previous works.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)は、上気道と肺を攻撃する新しいウイルスである。 対人透過性はかなり速く、個人の生活のほぼ全ての面において深刻な問題を引き起こしている。 感染した人の中には完全に無症状のままの者もいるが、軽度から重篤な症状をしばしば目撃されている者もいる。 これに加えて、世界中の数千人の死者が、新型コロナウイルスの発見が緊急の需要であることを示した。 実際に、CT(Computed Tomography)やX線画像などの医療画像のスクリーニングの助けを借りて行われる。 しかし, 医療従事者には, 煩雑な臨床処置や日常的な症例が多く, 重大な課題となっている。 ディープラーニングベースのアプローチは、幅広い医療タスクにおいて大きな可能性を示しています。 その結果,コンパクト・コンボリューショナル・トランスフォーマー(CCT)を用いて,X線画像からCOVID-19を自動的に検出するトランスフォーマー方式が導入された。 提案手法の有効性を98%の精度で検証し,本手法の有効性を実証した。

関連論文リスト

• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• 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)
• Robust Weakly Supervised Learning for COVID-19 Recognition Using Multi-Center CT Images [8.207602203708799]
  重症急性呼吸器症候群ウイルス2(SARS-CoV-2)による新型コロナウイルス感染症2019(COVID-19) 異なる病院にあるCTスキャナの様々な技術的仕様のため、CT画像の出現は、多くの自動画像認識アプローチの失敗に繋がる。 新型コロナウイルスのCTスキャン認識モデル、すなわち新型コロナウイルス情報融合診断ネットワーク(CIFD-Net)を提案する。 本モデルでは,CTスキャン画像の外観の相違を,他の最先端手法と比較して精度が高く,確実かつ効率的に解決することができる。
  論文  参考訳（メタデータ） (2021-12-09T15:22:03Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• 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)
• 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)
• 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)
• 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)
• Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
  新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。 最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
  論文  参考訳（メタデータ） (2020-04-06T15:21:34Z)
• Can AI help in screening Viral and COVID-19 pneumonia? [0.0]
  本研究の目的は,デジタル胸部X線画像からCOVID-19肺炎を自動的に検出するためのロバストな手法を提案することである。 このデータベースには423のCOVID-19、1485のウイルス性肺炎、1579の正常な胸部X線画像が含まれている。 両者の分類精度、精度、感度、特異性はそれぞれ99.7%、99.7%、99.55%、97.9%、97.95%、97.9%、98.8%であった。
  論文  参考訳（メタデータ） (2020-03-29T21:37:21Z)

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。