論文の概要: An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging
for High Precision COVID-19 Diagnostics
- arxiv url: http://arxiv.org/abs/2305.19016v1
- Date: Tue, 30 May 2023 13:14:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 16:13:34.782071
- Title: An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging
for High Precision COVID-19 Diagnostics
- Title（参考訳）: 高精度COVID-19診断のための医用イメージングにおける軽量深層学習技術の評価
- Authors: Ogechukwu Ukwandu, Hanan Hindy and Elochukwu Ukwandu
- Abstract要約: 決定支援システムは、画像の物理的検査に固有の課題を緩和する。
ほとんどのディープラーニングアルゴリズムは、リソース制約のあるデバイスの実装には適していない。
本稿では,MobileNetV2モデルを用いた新型コロナウイルス検出のための軽量深層学習手法の開発と評価について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Timely and rapid diagnoses are core to informing on optimum interventions
that curb the spread of COVID-19. The use of medical images such as chest
X-rays and CTs has been advocated to supplement the Reverse-Transcription
Polymerase Chain Reaction (RT-PCR) test, which in turn has stimulated the
application of deep learning techniques in the development of automated systems
for the detection of infections. Decision support systems relax the challenges
inherent to the physical examination of images, which is both time consuming
and requires interpretation by highly trained clinicians. A review of relevant
reported studies to date shows that most deep learning algorithms utilised
approaches are not amenable to implementation on resource-constrained devices.
Given the rate of infections is increasing, rapid, trusted diagnoses are a
central tool in the management of the spread, mandating a need for a low-cost
and mobile point-of-care detection systems, especially for middle- and
low-income nations. The paper presents the development and evaluation of the
performance of lightweight deep learning technique for the detection of
COVID-19 using the MobileNetV2 model. Results demonstrate that the performance
of the lightweight deep learning model is competitive with respect to
heavyweight models but delivers a significant increase in the efficiency of
deployment, notably in the lowering of the cost and memory requirements of
computing resources.
- Abstract（参考訳）: タイムリーかつ迅速な診断は、新型コロナウイルスの感染拡大を抑制する最適な介入を知らせる中核となる。
胸部X線やCTなどの医用画像の使用は、RT-PCR(Reverse-Transcription Polymerase Chain Reaction)テストの補完として提唱され、感染検出のための自動化システムの開発においてディープラーニング技術の適用が促進された。
意思決定支援システムは、画像の物理的検査に固有の課題を緩和する。
関連する研究のレビューによると、ディープラーニングアルゴリズムを利用したアプローチの多くは、リソースに制約されたデバイスの実装に適していない。
感染率の上昇を踏まえると、迅速で信頼性の高い診断は、特に中・低所得国において、低コストで移動可能なポイント・オブ・ケアシステムの必要性を課すスプレッド管理の中心的なツールである。
本稿では,MobileNetV2モデルを用いた新型コロナウイルス検出のための軽量深層学習手法の開発と評価について述べる。
その結果,軽量ディープラーニングモデルの性能はヘビーウェイトモデルと競合するが,特にコンピューティングリソースのコストとメモリ要求の低減において,デプロイメントの効率が大幅に向上することが示された。
関連論文リスト
- Detection and Classification of Diabetic Retinopathy using Deep Learning
Algorithms for Segmentation to Facilitate Referral Recommendation for Test
and Treatment Prediction [0.0]
本研究は糖尿病網膜症(DR)の臨床的課題について考察する。
提案手法は、畳み込みニューラルネットワーク(CNN)を用いたトランスファーラーニングを利用して、単一の基礎写真を用いた自動DR検出を行う。
Jaccard、F1、リコール、精度、精度の高評価スコアは、網膜病理評価における診断能力を高めるモデルの可能性を示している。
論文 参考訳（メタデータ） (2024-01-05T11:19:24Z) - Collective Intelligent Strategy for Improved Segmentation of COVID-19
from CT [0.2062593640149623]
本研究では, 深層学習と画像を用いた非侵襲的非侵襲ツールを提案する。
Ensembling Attention-based Multi-scaled Convolution Network (EAMC) は感染領域のアウトラインにおいて高い感度と精度を示す。
その臨床的意義は、遠隔地で専門的な医療を欠く患者に低コストな意思決定を提供することにおいて、前例のない範囲にある。
論文 参考訳（メタデータ） (2022-12-23T11:24:29Z) - Rapid Lung Ultrasound COVID-19 Severity Scoring with Resource-Efficient
Deep Feature Extraction [0.11439420412899562]
本研究は, 最短トレーニング時間で重症度を評価するための, 深部特徴抽出器として, 既訓練モデルの活用に焦点を当てる。
既存の手法を特徴抽出器として使用することにより,訓練時間を数分に抑えながら,新型コロナウイルス関連肺炎重症度を効果的に分類できることが実証された。
論文 参考訳（メタデータ） (2022-07-22T10:32:30Z) - Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。
医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。
外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
論文 参考訳（メタデータ） (2022-07-01T14:17:11Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳（メタデータ） (2022-04-01T22:48:08Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳（メタデータ） (2022-03-24T02:09:41Z) - SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for
Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。
皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。
本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2022-03-22T06:54:29Z) - 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) - Resetting the baseline: CT-based COVID-19 diagnosis with Deep Transfer
Learning is not as accurate as widely thought [20.66890710233269]
コンピュータ支援による新型コロナウイルスの診断では、ディープラーニングが急速に普及している。
画像モデルを用いたCTベースの新型コロナウイルス検出は、現在医療画像研究の最前線にある。
文献を批判的に分析した結果,異なる結果の相違が顕著であることがわかった。
論文 参考訳（メタデータ） (2021-08-12T10:34:22Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - 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)
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。