論文の概要: MIA-3DCNN: COVID-19 Detection Based on a 3D CNN

• arxiv url: http://arxiv.org/abs/2303.10738v1
• Date: Sun, 19 Mar 2023 18:55:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 17:26:33.603669
• Title: MIA-3DCNN: COVID-19 Detection Based on a 3D CNN
• Title（参考訳）: MIA-3DCNN:3D CNNによる新型コロナウイルス検出
• Authors: Igor Kenzo Ishikawa Oshiro Nakashima, Giovanna Vendramini, Helio Pedrini
• Abstract要約: 畳み込みニューラルネットワークは、肺画像における新型コロナウイルスによる肺炎の検出に広く用いられている。 本研究は,3次元畳み込みニューラルネットワークに基づく,コンピュータ断層撮影画像中のCOVID-19を検出するアーキテクチャについて述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early and accurate diagnosis of COVID-19 is essential to control the rapid spread of the pandemic and mitigate sequelae in the population. Current diagnostic methods, such as RT-PCR, are effective but require time to provide results and can quickly overwhelm clinics, requiring individual laboratory analysis. Automatic detection methods have the potential to significantly reduce diagnostic time. To this end, learning-based methods using lung imaging have been explored. Although they require specialized hardware, automatic evaluation methods can be performed simultaneously, making diagnosis faster. Convolutional neural networks have been widely used to detect pneumonia caused by COVID-19 in lung images. This work describes an architecture based on 3D convolutional neural networks for detecting COVID-19 in computed tomography images. Despite the challenging scenario present in the dataset, the results obtained with our architecture demonstrated to be quite promising.
• Abstract（参考訳）: 新型コロナウイルスの早期かつ正確な診断は、パンデミックの急速な拡散を抑え、人口の続編を緩和するために不可欠である。 RT-PCRのような現在の診断法は有効であるが、結果を提供するのに時間が必要であり、臨床を素早く圧倒し、個々の研究室分析を必要とする。 自動検出手法は診断時間を著しく短縮する可能性がある。 この目的のために,肺画像を用いた学習手法が研究されている。 特殊なハードウェアを必要とするが、自動評価を同時に行うことができ、診断がより高速になる。 畳み込みニューラルネットワークは、肺画像中のcovid-19による肺炎を検出するために広く使われている。 本研究は,3次元畳み込みニューラルネットワークに基づく,コンピュータ断層画像中のCOVID-19を検出するアーキテクチャについて述べる。 データセットに存在する困難なシナリオにもかかわらず、私たちのアーキテクチャで得られた結果は、非常に有望であることが分かりました。

関連論文リスト

• Swin-Tempo: Temporal-Aware Lung Nodule Detection in CT Scans as Video Sequences Using Swin Transformer-Enhanced UNet [2.7547288571938795]
  本稿では、畳み込みニューラルネットワークと視覚変換器の長所を利用する革新的なモデルを提案する。 ビデオ中の物体検出にインスパイアされた各3次元CT画像をビデオとして扱い、個々のスライスをフレームとして、肺結節をオブジェクトとして扱い、時系列アプリケーションを可能にする。
  論文  参考訳（メタデータ） (2023-10-05T07:48:55Z)
• 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)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• The interpretation of endobronchial ultrasound image using 3D convolutional neural network for differentiating malignant and benign mediastinal lesions [3.0969191504482247]
  本研究の目的は,内胚葉超音波(EBUS)画像を用いて悪性病変と良性病変を鑑別することである。 我々のモデルはノイズに耐性があり、EBUSビデオの様々な画像特徴と願望を融合させることができる。
  論文  参考訳（メタデータ） (2021-07-29T08:38:17Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• 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)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Automatic Detection of COVID-19 Cases on X-ray images Using Convolutional Neural Networks [0.0]
  本研究の目的は、胸部画像から新型コロナウイルスの感染者を検出するプロセスを自動化することである。 使用したデータベース、ビルドされたコード、およびモデルのトレーニングから得られた結果はすべて、オープンアクセスで利用可能である。
  論文  参考訳（メタデータ） (2020-07-02T00:46:13Z)
• Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest CT Images [41.73507451077361]
  本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。 コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。 以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
  論文  参考訳（メタデータ） (2020-06-16T10:14:58Z)
• Diagnosing COVID-19 Pneumonia from X-Ray and CT Images using Deep Learning and Transfer Learning Algorithms [8.697183191483571]
  新型コロナウイルス(2019年新規コロナウイルス)は、中国武漢で最初に発生し、前例のない効果で世界中に広がった。 本研究の目的は、複数のソースからX線とCTスキャン画像の包括的データセットを構築することである。 本手法では,X線およびCTスキャン画像データセットに対して,単純な畳み込みニューラルネットワーク(CNN)と修正済みのAlexNetモデルを適用する。
  論文  参考訳（メタデータ） (2020-03-31T18:10:10Z)

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。