論文の概要: Deep reproductive feature generation framework for the diagnosis of
COVID-19 and viral pneumonia using chest X-ray images
- arxiv url: http://arxiv.org/abs/2304.10677v1
- Date: Thu, 20 Apr 2023 23:52:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 16:14:56.105700
- Title: Deep reproductive feature generation framework for the diagnosis of
COVID-19 and viral pneumonia using chest X-ray images
- Title（参考訳）: 胸部X線画像を用いたCOVID-19およびウイルス性肺炎の診断のための深部生殖機能生成フレームワーク
- Authors: Ceyhun Efe Kayan, Talha Enes Koksal, Arda Sevinc, Abdurrahman Gumus
- Abstract要約: 最先端の8つの深層畳み込みニューラルネットワーク(CNN)とオートエンコーダを用いた2段階特徴抽出フレームワークを提案する。
X線スキャンは4つの同じ大きさのセクションに分けられ、深層学習CNNによって分析される。
隠れた3つの層を持つオートエンコーダは、CNNの出力から生殖機能を抽出するために訓練される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid and accurate detection of COVID-19 cases is critical for timely
treatment and preventing the spread of the disease. In this study, a two-stage
feature extraction framework using eight state-of-the-art pre-trained deep
Convolutional Neural Networks (CNNs) and an autoencoder is proposed to
determine the health conditions of patients (COVID-19, Normal, Viral Pneumonia)
based on chest X-rays. The X-ray scans are divided into four equally sized
sections and analyzed by deep pre-trained CNNs. Subsequently, an autoencoder
with three hidden layers is trained to extract reproductive features from the
concatenated ouput of CNNs. To evaluate the performance of the proposed
framework, three different classifiers, which are single-layer perceptron
(SLP), multi-layer perceptron (MLP), and support vector machine (SVM) are used.
Furthermore, the deep CNN architectures are used to create benchmark models and
trained on the same dataset for comparision. The proposed framework outperforms
other frameworks wih pre-trained feature extractors in binary classification
and shows competitive results in three-class classification. The proposed
methodology is task-independent and suitable for addressing various problems.
The results show that the discriminative features are a subset of the
reproductive features, suggesting that extracting task-independent features is
superior to the extraction only task-based features. The flexibility and
task-independence of the reproductive features make the conceptive information
approach more favorable. The proposed methodology is novel and shows promising
results for analyzing medical image data.
- Abstract（参考訳）: 新型コロナウイルスの迅速かつ正確な検出は、タイムリーな治療と感染拡大の予防に不可欠である。
本研究では, 胸部X線による患者の健康状態(COVID-19, Normal, Viral Pneumonia)を決定するために, 8つの最先端事前訓練深部畳み込みニューラルネットワーク(CNN)とオートエンコーダを用いた2段階特徴抽出フレームワークを提案する。
X線スキャンは4つの同じ大きさのセクションに分けられ、深層学習CNNによって分析される。
その後、3つの隠蔽層を持つオートエンコーダを訓練し、CNNの連結領域から生殖特性を抽出する。
提案フレームワークの性能評価には, 単層パーセプトロン(SLP), 多層パーセプトロン(MLP), サポートベクタマシン(SVM)の3つの異なる分類器を用いる。
さらに、ディープCNNアーキテクチャを使用してベンチマークモデルを作成し、比較のために同じデータセットでトレーニングする。
提案フレームワークは,2進分類における事前学習された特徴抽出器の性能を向上し,三等分類における競合結果を示す。
提案手法はタスクに依存しず,様々な問題に適応する。
その結果, 判別的特徴は生殖的特徴のサブセットであり, タスク非依存特徴の抽出はタスクベース特徴のみの抽出よりも優れていることが示唆された。
生殖機能の柔軟性とタスク依存は、概念的情報アプローチをより好ましいものにします。
提案手法は新規であり,医用画像データの解析に有望な結果を示す。
関連論文リスト
- Reduced Deep Convolutional Activation Features (R-DeCAF) in
Histopathology Images to Improve the Classification Performance for Breast
Cancer Diagnosis [0.0]
乳がんは世界で2番目に多いがんである。
ディープ畳み込みニューラルネットワーク(CNN)は効果的なソリューションである。
事前訓練したCNNの活性化層から抽出した特徴をDeep Convolutional activation features (DeCAF)と呼ぶ。
論文 参考訳（メタデータ） (2023-01-05T06:53:46Z) - 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) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - 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) - Cascaded Robust Learning at Imperfect Labels for Chest X-ray
Segmentation [61.09321488002978]
不完全アノテーションを用いた胸部X線分割のための新しいカスケードロバスト学習フレームワークを提案する。
モデルは3つの独立したネットワークから成り,ピアネットワークから有用な情報を効果的に学習できる。
提案手法は,従来の手法と比較して,セグメント化タスクの精度を大幅に向上させることができる。
論文 参考訳（メタデータ） (2021-04-05T15:50:16Z) - 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) - Uncertainty-driven ensembles of deep architectures for multiclass
classification. Application to COVID-19 diagnosis in chest X-ray images [8.103053617559748]
最近の新型コロナウイルスのパンデミックは、肺炎の診断を自動化するシステムの開発システムの必要性を示している。
CNNは、医療画像の自動分類に優れた選択肢であることが証明されている。
ベイズ深層学習に基づく多段階アンサンブル分類システムを提案する。
論文 参考訳（メタデータ） (2020-11-27T14:06:25Z) - BS-Net: learning COVID-19 pneumonia severity on a large Chest X-Ray
dataset [6.5800499500032705]
我々は、Chest X-rays画像(CXR)に基づいて、新型コロナウイルス患者の肺妥協の度合いを判定するエンド・ツー・エンドのディープラーニングアーキテクチャを設計する。
当院で収集した約5,000個のCXR注釈画像の臨床的データセットを利用して検討した。
私たちのソリューションは、評価精度と一貫性において、一人のアノテータよりも優れています。
論文 参考訳（メタデータ） (2020-06-08T13:55:58Z) - Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。
本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。
我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
論文 参考訳（メタデータ） (2020-06-06T06:48:40Z) - A Systematic Search over Deep Convolutional Neural Network Architectures
for Screening Chest Radiographs [4.6411273009803065]
胸部X線写真は肺・胸部疾患のスクリーニングに用いられる。
近年の取り組みは、深層畳み込みニューラルネットワーク(CNN)のアンサンブルを用いた性能ベンチマークを実証している。
複数の標準CNNアーキテクチャを体系的に探索し、分類性能がアンサンブルと同等であることが判明した単一候補モデルを特定した。
論文 参考訳（メタデータ） (2020-04-24T12:30:40Z) - 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)
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。