論文の概要: A Transfer Learning Based Approach for Classification of COVID-19 and
Pneumonia in CT Scan Imaging
- arxiv url: http://arxiv.org/abs/2210.09403v1
- Date: Mon, 17 Oct 2022 20:08:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 14:23:57.861335
- Title: A Transfer Learning Based Approach for Classification of COVID-19 and
Pneumonia in CT Scan Imaging
- Title（参考訳）: CT Scan Imaging におけるトランスファーラーニングによるCOVID-19と肺炎の分類
- Authors: Gargi Desai, Nelly Elsayed, Zag Elsayed, Murat Ozer
- Abstract要約: 世界は依然として新型コロナウイルス(COVID-19)の感染拡大に圧倒されている。2021年11月時点の感染者は2億5000万人を超え、219か国、領土に影響を及ぼし、世界はパンデミック期にある。
本研究は、COVID-19肺炎患者、細菌性肺炎、ウイルス性肺炎、健康な(正常な)患者を分類するためのディープラーニングに基づくアプローチを提案することを目的とする。
提案手法は, 実装コストを低減し, 地理的に異なる地域, 特に農村部, 開発地域において容易に実装, 利用できるように, 意図的に単純化されている。
- 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: The world is still overwhelmed by the spread of the COVID-19 virus. With over
250 Million infected cases as of November 2021 and affecting 219 countries and
territories, the world remains in the pandemic period. Detecting COVID-19 using
the deep learning method on CT scan images can play a vital role in assisting
medical professionals and decision authorities in controlling the spread of the
disease and providing essential support for patients. The convolution neural
network is widely used in the field of large-scale image recognition. The
current method of RT-PCR to diagnose COVID-19 is time-consuming and universally
limited. This research aims to propose a deep learning-based approach to
classify COVID-19 pneumonia patients, bacterial pneumonia, viral pneumonia, and
healthy (normal cases). This paper used deep transfer learning to classify the
data via Inception-ResNet-V2 neural network architecture. The proposed model
has been intentionally simplified to reduce the implementation cost so that it
can be easily implemented and used in different geographical areas, especially
rural and developing regions.
- Abstract（参考訳）: 世界は依然として新型コロナウイルスの感染拡大に圧倒されている。
2021年11月時点で2億5000万人以上が感染し、219カ国や地域に影響している。
深層学習法をCTスキャン画像に用いたCOVID-19の検出は、医療専門家や意思決定当局の支援や患者への重要な支援に重要な役割を果たす可能性がある。
畳み込みニューラルネットワークは大規模画像認識の分野で広く利用されている。
現在、新型コロナウイルスを診断するためのRT-PCRの方法は、時間がかかり、普遍的に制限されている。
本研究は, 新型コロナウイルス患者, 細菌性肺炎, ウイルス性肺炎, 健康(正常例)を分類する深層学習に基づくアプローチを提案する。
本稿では,inception-resnet-v2ニューラルネットワークによるデータ分類にdeep transfer learningを用いた。
提案手法は,異なる地域,特に農村地域,発展地域において容易に実装・利用できるように,実装コストを削減すべく,意図的に簡略化されている。
関連論文リスト
- COVID-19 Detection Based on Blood Test Parameters using Various Artificial Intelligence Methods [1.2408125305560274]
2019年には、新型コロナウイルスによる新型コロナウイルス感染症SARS-CoV-2(SARS-CoV-2)という新たな課題に直面した。
本研究は、自己分類分類器を用いて、さまざまなAI手法を用いて、新型コロナウイルス患者と他者とを区別することを目的とした。
論文 参考訳（メタデータ） (2024-04-02T22:49:25Z) - COVID-19 Detection using Transfer Learning with Convolutional Neural
Network [0.0]
新型コロナウイルス(COVID-19)は、2019年12月に中国湖北省武漢で初めて確認された致命的な感染症である。
本研究では,CT画像からCOVID-19感染を検出するためのトランスファーラーニング戦略(CNN)を提案する。
提案モデルでは,Transfer Learning Model Inception V3を用いた多層畳み込みニューラルネットワーク(CNN)が設計されている。
論文 参考訳（メタデータ） (2022-06-17T05:30:14Z) - Automatic segmentation of novel coronavirus pneumonia lesions in CT
images utilizing deep-supervised ensemble learning network [3.110938126026385]
新型コロナウイルス(COVID-19)の病変の構造は複雑で、様々なケースで大きく異なる。
過度に適合する問題を補うために、トランスファーラーニング戦略が採用されている。
深い教師付きアンサンブル学習ネットワークは、COVID-19の病変セグメンテーションの局所的特徴とグローバル的特徴を組み合わせるために提示される。
論文 参考訳（メタデータ） (2021-10-25T11:49:20Z) - 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) - 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) - COVID-CT-MD: COVID-19 Computed Tomography (CT) Scan Dataset Applicable
in Machine Learning and Deep Learning [31.20501909118117]
コロナウイルス(COVID-19)は、2019年後半の流行以来、数百万人以上が被害を受け、100万人近くが命を落としている。
本稿では、COVID-19CTスキャンデータセット(COVID-CT-MD)について紹介する。
このデータセットには、COVID-19研究を促進する可能性があり、特にCOVID-CT-MDは、高度な機械学習(ML)とディープニューラルネットワーク(DNN)ベースのソリューションの開発を支援することができる。
論文 参考訳（メタデータ） (2020-09-28T20:42:07Z) - An Attention Mechanism with Multiple Knowledge Sources for COVID-19
Detection from CT Images [1.6882040908691862]
本稿では,医師の判断に関連する有用な情報ソースを活用することで,いくつかの基準線の性能を向上させるための新しい戦略を提案する。
学習中の注意機構を介して,学習ネットワークから抽出した感染領域と熱マップをグローバル画像に統合する。
この手法は, 騒音に対する耐性を高めるだけでなく, 局所的な病変領域に焦点を絞ったネットワークを誘導する。
論文 参考訳（メタデータ） (2020-09-23T09:05:24Z) - 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) - Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community
Acquired Pneumonia [46.521323145636906]
胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。
特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。
我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
論文 参考訳（メタデータ） (2020-05-06T09:56:51Z) - 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) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z)
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。