論文の概要: Multi-Label Chest X-Ray Classification via Deep Learning

• arxiv url: http://arxiv.org/abs/2211.14929v1
• Date: Sun, 27 Nov 2022 20:27:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 20:08:34.539321
• Title: Multi-Label Chest X-Ray Classification via Deep Learning
• Title（参考訳）: 深層学習によるマルチラベル胸部X線分類
• Authors: Aravind Sasidharan Pillai
• Abstract要約: 本研究の目的は,X線画像から14種類の胸部状態を検出する軽量なソリューションを開発することである。 画像機能に加えて、X線ビュータイプ、年齢、性別などのデータで利用可能な非画像機能も使用します。 本研究の目的は, これまでの研究を改良し, 予測を14疾患に拡張し, 将来の胸部X線撮影研究への洞察を提供することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In this era of pandemic, the future of healthcare industry has never been more exciting. Artificial intelligence and machine learning (AI & ML) present opportunities to develop solutions that cater for very specific needs within the industry. Deep learning in healthcare had become incredibly powerful for supporting clinics and in transforming patient care in general. Deep learning is increasingly being applied for the detection of clinically important features in the images beyond what can be perceived by the naked human eye. Chest X-ray images are one of the most common clinical method for diagnosing a number of diseases such as pneumonia, lung cancer and many other abnormalities like lesions and fractures. Proper diagnosis of a disease from X-ray images is often challenging task for even expert radiologists and there is a growing need for computerized support systems due to the large amount of information encoded in X-Ray images. The goal of this paper is to develop a lightweight solution to detect 14 different chest conditions from an X ray image. Given an X-ray image as input, our classifier outputs a label vector indicating which of 14 disease classes does the image fall into. Along with the image features, we are also going to use non-image features available in the data such as X-ray view type, age, gender etc. The original study conducted Stanford ML Group is our base line. Original study focuses on predicting 5 diseases. Our aim is to improve upon previous work, expand prediction to 14 diseases and provide insight for future chest radiography research.
• Abstract（参考訳）: パンデミックのこの時代には、医療産業の未来はかつてないほどエキサイティングだった。 人工知能と機械学習(AI & ML)は、業界内で非常に特定のニーズに対応するソリューションを開発する機会を提供する。 医療におけるディープラーニングは、診療所を支援し、患者のケア全般を変える上で非常に強力だった。 深層学習は、肉眼で知覚できるもの以外の画像における臨床的に重要な特徴の検出にますます応用されている。 胸部X線画像は、肺炎、肺癌などの多くの疾患や、病変や骨折などの多くの異常を診断する最も一般的な臨床方法の1つである。 X線画像からの疾患の適切な診断は、専門家の放射線学者にとっても難しい課題であり、X線画像に符号化された大量の情報のために、コンピュータ支援システムの必要性が高まっている。 本研究の目的は,X線画像から14種類の胸部状態を検出する軽量なソリューションを開発することである。 入力としてx線画像が与えられると、分類器は14の病クラスのうちどれに画像が収まるかを示すラベルベクターを出力する。 画像機能に加えて、x線ビューの種類、年齢、性別など、データで利用可能な非画像機能も使用します。 Stanford ML Groupが実施した最初の研究は、私たちのベースラインです。 当初の研究は5つの疾患の予測に焦点を当てていた。 本研究の目的は,これまでの研究を改良し,予測を14疾患に拡大し,将来の胸部x線撮影研究への洞察を提供することである。

関連論文リスト

• Empowering Medical Imaging with Artificial Intelligence: A Review of Machine Learning Approaches for the Detection, and Segmentation of COVID-19 Using Radiographic and Tomographic Images [2.232567376976564]
  2019年以降、コロナウイルスとその新規株の世界的な普及により、新たな感染が急増している。 X線およびCTイメージング技術の使用は、新型コロナウイルスの診断と管理に重要である。 本稿では、機械学習(ML)を用いた新型コロナウイルスの診断のための医療画像の改善手法に焦点を当てた。
  論文  参考訳（メタデータ） (2024-01-13T09:17:39Z)
• XrayGPT: Chest Radiographs Summarization using Medical Vision-Language Models [60.437091462613544]
  我々は,会話型医療ビジョン言語モデルであるXrayGPTを紹介する。 胸部X線写真に関するオープンエンドの質問を分析し、答えることができる。 自由テキストラジオグラフィーレポートから217kの対話的かつ高品質な要約を生成する。
  論文  参考訳（メタデータ） (2023-06-13T17:59:59Z)
• Auto-outlier Fusion Technique for Chest X-ray classification with Multi-head Attention Mechanism [4.416665886445889]
  胸部X線は、様々な肺疾患の診断と検出に最も広く用いられる放射線検査の1つである。 国立衛生研究所(NIH)は、肺疾患を分析し予測するための深層学習コミュニティを確立するために、広範なデータベースであるChestX-ray8とChestXray14を提供している。
  論文  参考訳（メタデータ） (2022-11-15T09:35:49Z)
• Artificial Intelligence for Automatic Detection and Classification Disease on the X-Ray Images [0.0]
  本研究では,Deep Learning Pre-trained RepVGGアルゴリズムを用いて肺疾患の迅速検出を行う。 我々は、人の肺の患部の自動ハイライト検出に人工知能技術を適用している。
  論文  参考訳（メタデータ） (2022-11-14T03:51:12Z)
• Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New Benchmark Study [75.05049024176584]
  胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。 我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。 このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
  論文  参考訳（メタデータ） (2022-08-29T04:34:15Z)
• A Deep Learning Technique using a Sequence of Follow Up X-Rays for Disease classification [3.3345134768053635]
  深層学習技術を用いて肺と心臓の疾患を予測する能力は多くの研究者の中心である。 最新の胸部X線像3例の追跡歴を含む患者のX線像は, 疾患分類において良好な成績を示すと推定された。
  論文  参考訳（メタデータ） (2022-03-28T19:58:47Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• 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)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)

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。