論文の概要: COVID-VR: A Deep Learning COVID-19 Classification Model Using
Volume-Rendered Computer Tomography
- arxiv url: http://arxiv.org/abs/2308.01433v1
- Date: Wed, 2 Aug 2023 21:13:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-04 15:47:27.942443
- Title: COVID-VR: A Deep Learning COVID-19 Classification Model Using
Volume-Rendered Computer Tomography
- Title（参考訳）: COVID-VR:Volume-Rendered Computer Tomographyを用いた深層学習型COVID-19分類モデル
- Authors: Noemi Maritza L. Romero and Ricco Vasconcellos and Mariana R. Mendoza
and Jo\~ao L. D. Comba
- Abstract要約: COVID-VRは、複数の角度から捉えた肺の容積レンダリング画像に基づいて、肺疾患を分類するための新しいアプローチである。
本稿では,複数の角度から肺の容積レンダリング画像に基づいて肺疾患を分類する新しいアプローチであるCOVID-VRを紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 pandemic presented numerous challenges to healthcare systems
worldwide. Given that lung infections are prevalent among COVID-19 patients,
chest Computer Tomography (CT) scans have frequently been utilized as an
alternative method for identifying COVID-19 conditions and various other types
of pulmonary diseases. Deep learning architectures have emerged to automate the
identification of pulmonary disease types by leveraging CT scan slices as
inputs for classification models. This paper introduces COVID-VR, a novel
approach for classifying pulmonary diseases based on volume rendering images of
the lungs captured from multiple angles, thereby providing a comprehensive view
of the entire lung in each image. To assess the effectiveness of our proposal,
we compared it against competing strategies utilizing both private data
obtained from partner hospitals and a publicly available dataset. The results
demonstrate that our approach effectively identifies pulmonary lesions and
performs competitively when compared to slice-based methods.
- Abstract（参考訳）: 新型コロナウイルスのパンデミックは世界中の医療システムに多くの課題をもたらした。
肺感染症がcovid-19患者に広まっていることから、胸部ctスキャンはcovid-19の病態や様々な種類の肺疾患を同定するための代替手段として頻繁に利用されている。
深層学習アーキテクチャは,CTスキャンスライスを分類モデルの入力として活用することにより,肺疾患の診断を自動化する。
本稿では,複数の角度から捉えた肺の容積レンダリング画像に基づいて,肺疾患を分類する新しいアプローチであるCOVID-VRを紹介した。
提案手法の有効性を評価するため,パートナー病院から得られた個人データと公開データセットの両方を利用した競合戦略と比較した。
本手法は肺病変を効果的に同定し,スライス法と比較して競合的に機能することを示した。
関連論文リスト
- Enhancing COVID-19 Severity Analysis through Ensemble Methods [13.792760290422185]
本稿では、新型コロナウイルス患者の感染症領域を抽出するためのドメイン知識に基づくパイプラインを提案する。
感染の重症度は、3つの機械学習モデルのアンサンブルを使用して異なるカテゴリに分類される。
提案システムは,AI-Enabled Medical Image Analysis WorkshopとCOVID-19診断コンペティションの検証データセットを用いて評価した。
論文 参考訳（メタデータ） (2023-03-13T13:59:47Z) - Automatic segmentation of novel coronavirus pneumonia lesions in CT
images utilizing deep-supervised ensemble learning network [3.110938126026385]
新型コロナウイルス(COVID-19)の病変の構造は複雑で、様々なケースで大きく異なる。
過度に適合する問題を補うために、トランスファーラーニング戦略が採用されている。
深い教師付きアンサンブル学習ネットワークは、COVID-19の病変セグメンテーションの局所的特徴とグローバル的特徴を組み合わせるために提示される。
論文 参考訳（メタデータ） (2021-10-25T11:49:20Z) - COVID-Rate: An Automated Framework for Segmentation of COVID-19 Lesions
from Chest CT Scans [29.266579630983358]
パンデミック時代には、専門家の放射線学者による新型コロナウイルスの肺病変の視覚的評価と定量化が高価になり、エラーが生じる傾向にある。
専門医に注釈を付された82例のCT画像433点を含むオープンアクセス型COVID-19 CTセグメンテーションデータセットについて紹介する。
Deep Neural Network(DNN)ベースのフレームワークであるCOVID-Rateは、胸部CTスキャンからCOVID-19に関連する肺の異常を自律的に分離する。
論文 参考訳（メタデータ） (2021-07-04T03:19:43Z) - 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) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。
また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文 参考訳（メタデータ） (2020-09-08T15:49:55Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳（メタデータ） (2020-05-06T15:19:15Z) - 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) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-12T16:24:59Z)
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。