論文の概要: Boosting Automatic COVID-19 Detection Performance with Self-Supervised Learning and Batch Knowledge Ensembling

• arxiv url: http://arxiv.org/abs/2212.09281v2
• Date: Thu, 30 Mar 2023 12:32:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 17:34:01.419401
• Title: Boosting Automatic COVID-19 Detection Performance with Self-Supervised Learning and Batch Knowledge Ensembling
• Title（参考訳）: 自己教師付き学習とバッチナレッジセンスリングによるcovid-19自動検出性能の向上
• Authors: Guang Li, Ren Togo, Takahiro Ogawa, Miki Haseyama
• Abstract要約: 既存の方法は、通常、事前訓練プロセスとして、自然画像からの教師あり転送学習を使用する。 バッチ知識を微調整フェーズに導入し,自己教師型学習に使用するメモリを削減した。 本手法は,注釈付きCXR訓練画像が大幅に縮小された場合でも高い検出精度を維持する。
• 参考スコア（独自算出の注目度）: 38.65823547986758
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Problem: Detecting COVID-19 from chest X-Ray (CXR) images has become one of the fastest and easiest methods for detecting COVID-19. However, the existing methods usually use supervised transfer learning from natural images as a pretraining process. These methods do not consider the unique features of COVID-19 and the similar features between COVID-19 and other pneumonia. Aim: In this paper, we want to design a novel high-accuracy COVID-19 detection method that uses CXR images, which can consider the unique features of COVID-19 and the similar features between COVID-19 and other pneumonia. Methods: Our method consists of two phases. One is self-supervised learning-based pertaining; the other is batch knowledge ensembling-based fine-tuning. Self-supervised learning-based pretraining can learn distinguished representations from CXR images without manually annotated labels. On the other hand, batch knowledge ensembling-based fine-tuning can utilize category knowledge of images in a batch according to their visual feature similarities to improve detection performance. Unlike our previous implementation, we introduce batch knowledge ensembling into the fine-tuning phase, reducing the memory used in self-supervised learning and improving COVID-19 detection accuracy. Results: On two public COVID-19 CXR datasets, namely, a large dataset and an unbalanced dataset, our method exhibited promising COVID-19 detection performance. Our method maintains high detection accuracy even when annotated CXR training images are reduced significantly (e.g., using only 10% of the original dataset). In addition, our method is insensitive to changes in hyperparameters.
• Abstract（参考訳）: 問題:胸部X線(CXR)画像から新型コロナウイルスを検出することが、新型コロナウイルスを検出する最も迅速かつ簡単な方法の1つとなっている。 しかし、既存の手法は通常、自然画像からの教師あり転送学習を事前学習プロセスとして使用する。 これらの方法は、COVID-19の特異な特徴や、他の肺炎と類似した特徴を考慮していない。 目的:本稿では、cxr画像を用いた新しい高精度新型コロナウイルス検出法をデザインし、covid-19の特徴と、covid-19と他の肺炎との類似性を考察したい。 方法:本手法は2段階からなる。 1つは自己教師型学習であり、もう1つはバッチ知識に基づく微調整である。 自己教師付き学習に基づく事前学習は、手動のアノテートラベルなしでCXR画像から区別された表現を学習することができる。 一方、バッチ知識に基づく微調整では、視覚的特徴の類似性に応じて、バッチ内の画像のカテゴリ知識を利用して検出性能を向上させることができる。 これまでの実装と異なり、細調整フェーズにバッチ知識を導入し、自己教師付き学習で使用されるメモリを削減し、COVID-19検出精度を向上させる。 結果: 大規模データセットと非バランスデータセットの2つの公開CXRデータセットでは, 有望なCOVID-19検出性能を示した。 本手法は,注釈付きCXRトレーニング画像が大幅に削減された場合でも高い検出精度を維持する(例えば,元のデータセットの10%しか使用していない)。 また,本手法は過度パラメータの変化に敏感である。

関連論文リスト

• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Detection of COVID19 in Chest X-Ray Images Using Transfer Learning [0.0]
  本稿では,VGG-16とVGG-19という,最もよく知られた2つのVGGNetアーキテクチャを用いたトランスファーラーニングの概念について検討する。 我々は,複数クラスとバイナリの分類問題において,正のCovid-19インスタンスを識別するために,提案システムの性能を評価するために2つの異なるデータセットを生成した。
  論文  参考訳（メタデータ） (2023-04-09T05:02:04Z)
• 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)
• Multi-Feature Vision Transformer via Self-Supervised Representation Learning for Improvement of COVID-19 Diagnosis [2.3513645401551333]
  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。
  論文  参考訳（メタデータ） (2022-08-03T05:02:47Z)
• COVID-19 Detection Using Transfer Learning Approach from Computed Tomography Images [0.0]
  我々は最近,CT(CT)画像データベースを用いた移動学習手法を提案する。 具体的には、新型コロナウイルス検出のための改良型Xceptionモデルの有効性について検討する。 その結果、検証サブセット上での精度、精度、リコール、マクロF1スコアにおけるメソッドの優位性を明らかにした。
  論文  参考訳（メタデータ） (2022-07-01T08:22:00Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• A Data Augmented Approach to Transfer Learning for Covid-19 Detection [0.0]
  早期のコビッドウイルス検出は、その拡散を防ぐための効果的な治療と隔離計画に役立つ。 近年、X線、超音波、CTスキャンを用いたコビッド19の検出にトランスファーラーニングが用いられている。 これらの提案手法に固有の大きな制限の1つは、ラベル付きデータセットのサイズ制限である。
  論文  参考訳（メタデータ） (2021-08-05T22:23:23Z)
• Learning from Pseudo Lesion: A Self-supervised Framework for COVID-19 Diagnosis [22.54540093657541]
  コロナウイルス感染症2019(COVID-19)は、2019年12月の報告以来、世界中で急速に拡大している。 近年、ディープラーニングに基づくアプローチは、無数の画像認識タスクにおいて顕著なパフォーマンスを示している。 本報告では, 疑似病変の発生と回復に基づく自己指導型事前訓練法を提案する。
  論文  参考訳（メタデータ） (2021-06-23T11:21:30Z)
• A novel multiple instance learning framework for COVID-19 severity assessment via data augmentation and self-supervised learning [64.90342559393275]
  新型コロナウイルスの重症度を迅速かつ正確に評価する方法は、世界中の何百万人もの人々がパンデミックに苦しんでいる場合に必要不可欠な問題だ。 CT画像による新型コロナウイルスの重症度自動評価を妨害する可能性のある、弱いアノテーションと不十分なデータという2つの問題があることを観察する。 平均精度は95.8%で、感度は93.6%、特異性は96.4%で、前作より優れていた。
  論文  参考訳（メタデータ） (2021-02-07T16:30:18Z)
• 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)

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。