論文の概要: Vision Transformer-based Model for Severity Quantification of Lung
Pneumonia Using Chest X-ray Images
- arxiv url: http://arxiv.org/abs/2303.11935v1
- Date: Sat, 18 Mar 2023 12:38:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-22 14:19:37.028732
- Title: Vision Transformer-based Model for Severity Quantification of Lung
Pneumonia Using Chest X-ray Images
- Title（参考訳）: 胸部X線画像を用いた肺肺炎重症度定量のための視覚変換器モデル
- Authors: Bouthaina Slika, Fadi Dornaika, Hamid Merdji, Karim Hammoudi
- Abstract要約: 我々は、新型コロナウイルスや他の肺疾患の重症度を定量化するために、少数のトレーニング可能なパラメータに依存するビジョントランスフォーマーベースのニューラルネットワークモデルを提案する。
本モデルでは,比較的低い計算コストで高一般化性で重大度を定量化する上で,ピーク性能を提供することができる。
- 参考スコア（独自算出の注目度）: 11.12596879975844
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To develop generic and reliable approaches for diagnosing and assessing the
severity of COVID-19 from chest X-rays (CXR), a large number of well-maintained
COVID-19 datasets are needed. Existing severity quantification architectures
require expensive training calculations to achieve the best results. For
healthcare professionals to quickly and automatically identify COVID-19
patients and predict associated severity indicators, computer utilities are
needed. In this work, we propose a Vision Transformer (ViT)-based neural
network model that relies on a small number of trainable parameters to quantify
the severity of COVID-19 and other lung diseases. We present a feasible
approach to quantify the severity of CXR, called Vision Transformer Regressor
Infection Prediction (ViTReg-IP), derived from a ViT and a regression head. We
investigate the generalization potential of our model using a variety of
additional test chest radiograph datasets from different open sources. In this
context, we performed a comparative study with several competing deep learning
analysis methods. The experimental results show that our model can provide peak
performance in quantifying severity with high generalizability at a relatively
low computational cost. The source codes used in our work are publicly
available at https://github.com/bouthainas/ViTReg-IP.
- Abstract（参考訳）: 胸部X線(CXR)からCOVID-19の重症度を診断・評価するための総合的かつ信頼性の高いアプローチを開発するには、多くの保守されたCOVID-19データセットが必要である。
既存の重度定量化アーキテクチャは、最良の結果を得るために高価なトレーニング計算を必要とする。
医療専門家がcovid-19患者を迅速かつ自動的に特定し、関連する重症度指標を予測するためには、コンピュータユーティリティが必要である。
本研究では、新型コロナウイルスや他の肺疾患の重症度を定量化するために、少数のトレーニング可能なパラメータに依存するビジョントランスフォーマー(ViT)ベースのニューラルネットワークモデルを提案する。
本稿では,ViTReg-IP(Vision Transformer Regressor infection Prediction)と呼ばれる,ViTと回帰ヘッドから得られたCXRの重症度を定量化する手法を提案する。
各種オープンソースからの各種テスト胸部X線写真データセットを用いて,本モデルの一般化可能性について検討した。
本研究では,いくつかの競合するディープラーニング解析手法を用いて比較研究を行った。
実験結果から,本モデルは比較的低い計算コストで高一般化性で重大度を定量化できることを示す。
私たちの研究で使われているソースコードはhttps://github.com/bouthainas/ViTReg-IPで公開されています。
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) - 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) - The pitfalls of using open data to develop deep learning solutions for
COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。
オープンソースデータのトレーニングやテストでは,結果は異例です。
データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文 参考訳（メタデータ） (2021-09-14T10:59:11Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Covid-19 Detection from Chest X-ray and Patient Metadata using Graph
Convolutional Neural Networks [6.420262246029286]
本稿では,Covid-19肺炎のバイオマーカーを同定可能な新しいグラフ畳み込みニューラルネットワーク(GCN)を提案する。
提案手法は,データインスタンスとその特徴間の重要な関係知識をグラフ表現を用いて利用し,グラフデータ学習に畳み込みを適用する。
論文 参考訳（メタデータ） (2021-05-20T13:13:29Z) - Vision Transformer using Low-level Chest X-ray Feature Corpus for
COVID-19 Diagnosis and Severity Quantification [25.144248675578286]
バックボーンネットワークから得られた低レベルCXR特徴コーパスを利用した新しいビジョントランスフォーマーを提案する。
バックボーンネットワークはまず、一般的な異常発見を検出するために、大きなパブリックデータセットでトレーニングされる。
次に、バックボーンネットワークからの埋め込み機能は、COVID-19の診断および重症度定量のためのトランスフォーマーモデルのコーポラとして使用されます。
論文 参考訳（メタデータ） (2021-04-15T04:54:48Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - Intra-model Variability in COVID-19 Classification Using Chest X-ray
Images [0.0]
12の共通ディープラーニングアーキテクチャにおいて,胸部X線におけるCOVID-19検出のためのベースライン性能指標と変数の定量化を行う。
最高のパフォーマンスモデルでは、新型コロナウイルスをホールドアウトセットで検出する際の偽陰性率は20点中3点である。
論文 参考訳（メタデータ） (2020-04-30T21:20:32Z) - Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray
images using fine-tuned deep neural networks [4.294650528226683]
新型コロナウイルスは肺炎に似た呼吸器症候群である。
科学者、研究者、医療専門家は、肺感染症の特定によって、新型コロナウイルスの迅速かつ自動化された診断に貢献している。
本稿では,様々な最先端ディープラーニング手法における非バイアスの微調整学習(トランスファーラーニング)に対するランダムなオーバーサンプリングと重み付きクラス損失関数アプローチを提案する。
論文 参考訳（メタデータ） (2020-04-23T10:24:34Z) - Iteratively Pruned Deep Learning Ensembles for COVID-19 Detection in
Chest X-rays [3.785818062712446]
この病気は、SARS-CoV-2(SARS-CoV-2)ウイルスによって引き起こされる。
カスタム畳み込みニューラルネットワークとImageNet事前訓練モデルの選択を患者レベルでトレーニングし、評価する。
学習した知識は、パフォーマンスと一般化を改善するために伝達され、微調整される。
論文 参考訳（メタデータ） (2020-04-16T00:09:29Z)
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。