論文の概要: 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
- arxiv url: http://arxiv.org/abs/2301.01679v1
- Date: Wed, 4 Jan 2023 16:05:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 15:32:14.832261
- Title: 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
- Title（参考訳）: covid-net uspro: 医療用超音波画像からcovid-19感染をモニターし検出する、オープンソースのマイノリティネットワーク
- Authors: Jessy Song and Ashkan Ebadi and Adrian Florea and Pengcheng Xi and
St\'ephane Tremblay and Alexander Wong
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 66.63200823918429
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the Coronavirus Disease 2019 (COVID-19) continues to impact many aspects
of life and the global healthcare systems, the adoption of rapid and effective
screening methods to prevent further spread of the virus and lessen the burden
on healthcare providers is a necessity. As a cheap and widely accessible
medical image modality, point-of-care ultrasound (POCUS) imaging allows
radiologists to identify symptoms and assess severity through visual inspection
of the chest ultrasound images. Combined with the recent advancements in
computer science, applications of deep learning techniques in medical image
analysis have shown promising results, demonstrating that artificial
intelligence-based solutions can accelerate the diagnosis of COVID-19 and lower
the burden on healthcare professionals. However, the lack of a huge amount of
well-annotated data poses a challenge in building effective deep neural
networks in the case of novel diseases and pandemics. Motivated by this, we
present COVID-Net USPro, an explainable few-shot deep prototypical network,
that monitors and detects COVID-19 positive cases with high precision and
recall from minimal ultrasound images. COVID-Net USPro achieves 99.65% overall
accuracy, 99.7% recall and 99.67% precision for COVID-19 positive cases when
trained with only 5 shots. The analytic pipeline and results were verified by
our contributing clinician with extensive experience in POCUS interpretation,
ensuring that the network makes decisions based on actual patterns.
- Abstract（参考訳）: コロナウイルス病2019(COVID-19)は、生命や世界の医療システムに影響を与え続けているため、ウイルスのさらなる拡散を防ぎ、医療提供者への負担を軽減するために、迅速かつ効果的なスクリーニング手法の採用が不可欠である。
安価で広くアクセス可能な医療画像モダリティとして、pos(point-of-care ultrasound)イメージングは、放射線科医が症状を識別し、胸部超音波画像の視覚的検査を通じて重症度を評価することを可能にする。
コンピュータ科学の最近の進歩と相まって、深層学習技術の医療画像解析への応用は有望な結果を示し、人工知能ベースのソリューションが新型コロナウイルスの診断を加速し、医療専門家の負担を軽減できることを示した。
しかし、大量の十分な注釈データがないことは、新しい疾患やパンデミックの場合、効果的なディープニューラルネットワークを構築する上で課題となる。
そこで我々は,covid-19陽性症例を高精度に監視・検出し,最小超音波画像からリコールするシステムであるcovid-19-net usproを提案する。
COVID-Net USPro の総合精度は 99.65%、リコールは 99.7%、陽性例は 99.67% である。
分析パイプラインと分析結果は,POCUS解釈の経験が豊富であり,ネットワークが実際のパターンに基づいて意思決定を行うことが保証された。
関連論文リスト
- COVID-Net UV: An End-to-End Spatio-Temporal Deep Neural Network
Architecture for Automated Diagnosis of COVID-19 Infection from Ultrasound
Videos [70.60433013657693]
COVID-Netは、空間的特徴を抽出する畳み込みニューラルネットワークと、時間的依存を学習するリカレントニューラルネットワークで構成される。
ネットワークの平均精度は94.44%で、新型コロナウイルスの患者には偽陰性なケースはない。
論文 参考訳（メタデータ） (2022-05-18T13:59:16Z) - COVID-Net US-X: Enhanced Deep Neural Network for Detection of COVID-19
Patient Cases from Convex Ultrasound Imaging Through Extended Linear-Convex
Ultrasound Augmentation Learning [75.74756992992147]
世界人口は新型コロナウイルス(COVID-19)のパンデミックの影響で大きな影響を受け続けている。
医療用ポイント・オブ・ケア・超音波(POCUS)画像は、低コストで有効な画像モダリティとして利用されてきている。
POCUSを使用した新型コロナウイルススクリーニングのためのディープニューラルネットワークを構築する上での大きな課題は、使用するプローブの種類だ。
論文 参考訳（メタデータ） (2022-04-29T02:13:39Z) - 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) - An Approach Towards Physics Informed Lung Ultrasound Image Scoring
Neural Network for Diagnostic Assistance in COVID-19 [0.0]
肺超音波(LUS)における胸膜下領域の音響伝搬に基づく特徴抽出のための新しいアプローチが提示された。
LUSNetと呼ばれるニューラルネットワークは、LUSイメージを、新型コロナウイルスの進行を追跡するために、肺感染症の重症度の異なる5つのクラスに分類するように訓練されている。
新型コロナウイルスの患者10名に対する全回復期間に対するLUS画像のアプローチに関する詳細な分析では、平均5倍のクロスバリデーション精度、感度、特異性はそれぞれ5000コマで97%、93%、98%となっている。
論文 参考訳（メタデータ） (2021-06-13T13:01:53Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - 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) - COVID_MTNet: COVID-19 Detection with Multi-Task Deep Learning Approaches [5.578413517654704]
本稿では,多タスク深層学習(DL)手法を用いて,新型コロナウイルス患者を迅速かつ効率的に識別する方法を提案する。
提案手法について,X線およびCTスキャン画像を用いて検討した。
検出モデルは、X線画像から約84.67%の精度と、CT画像の98.78%の精度を示している。
論文 参考訳（メタデータ） (2020-04-07T23:19:59Z) - COVID-CAPS: A Capsule Network-based Framework for Identification of
COVID-19 cases from X-ray Images [34.93885932923011]
コロナウイルス(COVID-19)は、21世紀の2世紀末に、突然、そして間違いなく世界を変えた。
新型コロナウイルスの早期診断により、医療専門家や政府機関は移行の連鎖を破り、流行曲線をフラットにすることができる。
主に畳み込みニューラルネットワーク(CNN)をベースとしたディープニューラルネットワーク(DNN)ベースの診断ソリューション開発への関心が高まっている。
本稿では、小さなデータセットを処理可能な、Capsule Networks(COVID-CAPS)に基づく代替モデリングフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-06T14:20:47Z) - COVID-Net: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。
著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。
また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
論文 参考訳（メタデータ） (2020-03-22T12:26:36Z)
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。