論文の概要: Identifying Suspicious Regions of Covid-19 by Abnormality-Sensitive
Activation Mapping
- arxiv url: http://arxiv.org/abs/2303.14901v1
- Date: Mon, 27 Mar 2023 03:22:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-28 16:56:19.144997
- Title: Identifying Suspicious Regions of Covid-19 by Abnormality-Sensitive
Activation Mapping
- Title（参考訳）: 異常感応活性化マッピングによるcovid-19の疑わしい領域の同定
- Authors: Ryo Toda, Hayato Itoh, Masahiro Oda, Yuichiro Hayashi, Yoshito Otake,
Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori
- Abstract要約: 本稿では, 胸部CT上における新型コロナウイルス(COVID-19)の疑わしい部位の同定を完全自動で行う方法を提案する。
2.5次元CNNと3次元アテンション機構を用いた分類タスクによる識別手法を実現する。
提案されたアーキテクチャはすべてのデータセットに対して0.900以上のAUCを達成し、感度は0.853 pm 0.036$、特異性は0.870 pm 0.040$である。
- 参考スコア（独自算出の注目度）: 2.009597557771957
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a fully-automated method for the identification of
suspicious regions of a coronavirus disease (COVID-19) on chest CT volumes. One
major role of chest CT scanning in COVID-19 diagnoses is identification of an
inflammation particular to the disease. This task is generally performed by
radiologists through an interpretation of the CT volumes, however, because of
the heavy workload, an automatic analysis method using a computer is desired.
Most computer-aided diagnosis studies have addressed only a portion of the
elements necessary for the identification. In this work, we realize the
identification method through a classification task by using a 2.5-dimensional
CNN with three-dimensional attention mechanisms. We visualize the suspicious
regions by applying a backpropagation based on positive gradients to
attention-weighted features. We perform experiments on an in-house dataset and
two public datasets to reveal the generalization ability of the proposed
method. The proposed architecture achieved AUCs of over 0.900 for all the
datasets, and mean sensitivity $0.853 \pm 0.036$ and specificity $0.870 \pm
0.040$. The method can also identify notable lesions pointed out in the
radiology report as suspicious regions.
- Abstract（参考訳）: 胸部CT上における新型コロナウイルス(COVID-19)の疑わしい部位の同定を完全自動化する手法を提案する。
新型コロナウイルスの診断における胸部CTスキャンの主な役割は、疾患特有の炎症の同定である。
この作業は一般的にCTボリュームの解釈を通じて放射線技師が行うが,作業負荷が大きいため,コンピュータを用いた自動解析法が望まれる。
ほとんどのコンピュータ支援診断研究は、識別に必要な要素の一部にのみ対応している。
本研究では,3次元アテンション機構を持つ2.5次元CNNを用いて,分類タスクによる識別手法を実現する。
注意重み付け特徴に正の勾配に基づくバックプロパゲーションを適用して不審領域を可視化する。
提案手法の一般化能力を明らかにするために,社内データセットと公開データセットの2つの実験を行った。
提案されたアーキテクチャはすべてのデータセットに対して0.900以上のAUCを達成し、感度は0.853 \pm 0.036$、特異性は0.870 \pm 0.040$である。
また, 放射線検査で指摘された悪性病変を疑似部位として同定できる。
関連論文リスト
- PHE-SICH-CT-IDS: A Benchmark CT Image Dataset for Evaluation Semantic
Segmentation, Object Detection and Radiomic Feature Extraction of
Perihematomal Edema in Spontaneous Intracerebral Hemorrhage [2.602118060856794]
脳内出血は、世界で最も死亡率が高く、予後不良な疾患の1つである。
PHE-SICH-CT-IDSと命名したCTデータセットを,脳内自然出血に用いた。
論文 参考訳（メタデータ） (2023-08-21T07:18:51Z) - 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) - 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) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - Automated Detection of Coronary Artery Stenosis in X-ray Angiography
using Deep Neural Networks [0.0]
X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。
左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
論文 参考訳（メタデータ） (2021-03-04T11:45:54Z) - Probabilistic combination of eigenlungs-based classifiers for COVID-19
diagnosis in chest CT images [6.1020196190084555]
新型コロナウイルスの感染者数は1億人以上で、2400万人以上が死亡している。
胸部X線(CXR)や胸部CT(CCT)などの医療画像の使用は、優れたソリューションであることが証明されています。
肺炎パターンを同定するために,確率的支援ベクトルマシン(SVM)に基づくアンサンブル分類器を提案する。
論文 参考訳（メタデータ） (2021-03-04T11:30:38Z) - Classification of COVID-19 via Homology of CT-SCAN [2.624902795082451]
CTスキャン画像を用いたSARS-CoV-2の検出手法を提案する。
SARS-CoV-2の特徴をトポロジカル特性を定量化して主に追跡します。
モデル全体のベンチマークF1スコアは$99.42%、精度$99.416%、精度$99.41%、リコール$99.42%だった。
論文 参考訳（メタデータ） (2021-02-21T12:18:38Z) - 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) - Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。
このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。
本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
論文 参考訳（メタデータ） (2020-10-09T10:15:26Z) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z)
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。