論文の概要: Enhancing COVID-19 Severity Analysis through Ensemble Methods
- arxiv url: http://arxiv.org/abs/2303.07130v2
- Date: Thu, 16 Mar 2023 08:59:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 11:30:42.229935
- Title: Enhancing COVID-19 Severity Analysis through Ensemble Methods
- Title（参考訳）: アンサンブル法による新型コロナウイルス重症度分析の強化
- Authors: Anand Thyagachandran, Hema A Murthy
- Abstract要約: 本稿では、新型コロナウイルス患者の感染症領域を抽出するためのドメイン知識に基づくパイプラインを提案する。
感染の重症度は、3つの機械学習モデルのアンサンブルを使用して異なるカテゴリに分類される。
提案システムは,AI-Enabled Medical Image Analysis WorkshopとCOVID-19診断コンペティションの検証データセットを用いて評価した。
- 参考スコア（独自算出の注目度）: 13.792760290422185
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computed Tomography (CT) scans provide a detailed image of the lungs,
allowing clinicians to observe the extent of damage caused by COVID-19. The CT
severity score (CTSS) based scoring method is used to identify the extent of
lung involvement observed on a CT scan. This paper presents a domain
knowledge-based pipeline for extracting regions of infection in COVID-19
patients using a combination of image-processing algorithms and a pre-trained
UNET model. The severity of the infection is then classified into different
categories using an ensemble of three machine-learning models: Extreme Gradient
Boosting, Extremely Randomized Trees, and Support Vector Machine. The proposed
system was evaluated on a validation dataset in the AI-Enabled Medical Image
Analysis Workshop and COVID-19 Diagnosis Competition (AI-MIA-COV19D) and
achieved a macro F1 score of 64\%. These results demonstrate the potential of
combining domain knowledge with machine learning techniques for accurate
COVID-19 diagnosis using CT scans. The implementation of the proposed system
for severity analysis is available at
\textit{https://github.com/aanandt/Enhancing-COVID-19-Severity-Analysis-through-Ensemble-Methods.git
}
- Abstract（参考訳）: ctスキャンは肺の詳細な画像を提供し、臨床医はcovid-19による損傷の程度を観察できる。
CTシーバリティスコア(CTSS)に基づくスコアリング法は、CTスキャンで観察される肺への関与の程度を特定するために用いられる。
本稿では,covid-19患者の感染領域を画像処理アルゴリズムと事前学習したunetモデルを組み合わせて抽出する,ドメイン知識に基づくパイプラインを提案する。
次に、感染の重症度を3つの機械学習モデル(Extreme Gradient Boosting、Extremely Randomized Trees、Support Vector Machine)のアンサンブルを使用して分類する。
提案システムは,AI-MIA-COV19D(AI-MIA-COV19D)の検証データセットを用いて評価し,マクロF1スコア64\%を達成した。
これらの結果から,ctスキャンによる新型コロナウイルスの正確な診断に,ドメイン知識と機械学習技術を組み合わせる可能性が示唆された。
重大度解析システムの実装は \textit{https://github.com/aanandt/enhancing-covid-19-severity- analysis-through-ensemble-methods.git } で利用可能である。
関連論文リスト
- 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) - Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case
Study on COVID-19 Chest X-ray Image [3.135883872525168]
胸部X線(CXR)やCT(CT)などの画像検査は、臨床スタッフに有用な情報を提供することができる。
深層学習は、新型コロナウイルス感染症領域のセグメンテーションと疾患分類の実行に応用されている。
本研究では,バッジ深層学習とモデル校正を統合した新しいアンサンブル深層学習モデルを提案する。
論文 参考訳（メタデータ） (2022-05-27T20:06:45Z) - Classification of COVID-19 on chest X-Ray images using Deep Learning
model with Histogram Equalization and Lungs Segmentation [1.6019444314820142]
本研究は,胸部X線を用いたコビッドウイルス感染肺の検出のためのディープラーニングアーキテクチャに基づく研究である。
我々の新しいアプローチは、よく知られた前処理技術、特徴抽出法、およびデータセットバランス法を組み合わせることで、優れた98%の認識率をもたらす。
論文 参考訳（メタデータ） (2021-12-05T05:04:38Z) - Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。
深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。
そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
論文 参考訳（メタデータ） (2021-02-01T02:37:49Z) - 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) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - Adaptive Feature Selection Guided Deep Forest for COVID-19
Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。
AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文 参考訳（メタデータ） (2020-05-07T06:00:02Z) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳（メタデータ） (2020-05-06T15:19:15Z) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-12T16:24:59Z) - 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)
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。