論文の概要: Data diversity and virtual imaging in AI-based diagnosis: A case study
based on COVID-19
- arxiv url: http://arxiv.org/abs/2308.09730v1
- Date: Thu, 17 Aug 2023 19:12:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-22 20:08:51.342268
- Title: Data diversity and virtual imaging in AI-based diagnosis: A case study
based on COVID-19
- Title(参考訳): aiに基づく診断におけるデータ多様性とバーチャルイメージング--covid-19に基づくケーススタディ
- Authors: Fakrul Islam Tushar, Lavsen Dahal, Saman Sotoudeh-Paima, Ehsan Abadi,
W. Paul Segars, Ehsan Samei, Joseph Y. Lo
- Abstract要約: 多くの研究が、新型コロナウイルス(COVID-19)の医療画像診断のためのディープラーニングベース人工知能(AI)モデルについて研究している。
パフォーマンスのばらつきと基礎となるデータバイアスは、臨床の一般化に関する懸念を引き起こす。
この振り返り研究は、多様な臨床画像と実質的に生成された医療画像を用いて、新型コロナウイルスの診断のためのAIモデルの開発と評価を含む。
- 参考スコア(独自算出の注目度): 1.684484014475676
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Many studies have investigated deep-learning-based artificial intelligence
(AI) models for medical imaging diagnosis of the novel coronavirus (COVID-19),
with many reports of near-perfect performance. However, variability in
performance and underlying data biases raise concerns about clinical
generalizability. This retrospective study involved the development and
evaluation of artificial intelligence (AI) models for COVID-19 diagnosis using
both diverse clinical and virtually generated medical images. In addition, we
conducted a virtual imaging trial to assess how AI performance is affected by
several patient- and physics-based factors, including the extent of disease,
radiation dose, and imaging modality of computed tomography (CT) and chest
radiography (CXR). AI performance was strongly influenced by dataset
characteristics including quantity, diversity, and prevalence, leading to poor
generalization with up to 20% drop in receiver operating characteristic area
under the curve. Model performance on virtual CT and CXR images was comparable
to overall results on clinical data. Imaging dose proved to have negligible
influence on the results, but the extent of the disease had a marked affect. CT
results were consistently superior to those from CXR. Overall, the study
highlighted the significant impact of dataset characteristics and disease
extent on COVID assessment, and the relevance and potential role of virtual
imaging trial techniques on developing effective evaluation of AI algorithms
and facilitating translation into diagnostic practice.
- Abstract(参考訳): 新型コロナウイルス(covid-19)の医療画像診断のための深層学習型人工知能(ai)モデルについて、多くの研究が研究している。
しかしながら、パフォーマンスと基礎となるデータバイアスの変動は、臨床一般化可能性に関する懸念を引き起こす。
この振り返り研究は、多様な臨床画像と実質的に生成された医療画像を用いて、新型コロナウイルス診断のための人工知能モデルの開発と評価を含む。
さらに,病状,放射線線量,CTと胸部X線撮影(CXR)の画像モダリティなど,いくつかの患者および物理学的要因からAIのパフォーマンスがどのような影響を受けているかを評価するために,仮想画像検査を行った。
AIの性能は、量、多様性、有病率などのデータセット特性に強く影響され、曲線下での受信特性領域の最大20%の低下を伴う一般化の低さにつながった。
仮想ct画像とcxr画像のモデル性能は臨床データ全体の結果に匹敵するものであった。
画像照射は結果に無視できる影響が認められたが, 病変の程度には顕著な影響が認められた。
CTはCXRより一貫して優れていた。
全体としては、データセットの特徴と疾病の程度が新型コロナウイルスの診断に与える影響、そして、aiアルゴリズムの効果的な評価と診断実践への翻訳を促進するためのバーチャルイメージングの試行技術の関連性と潜在的役割が強調された。
関連論文リスト
- Towards objective and systematic evaluation of bias in medical imaging
AI [2.1937743088854584]
医療画像におけるバイアスがAIモデルに与える影響を調査するための新しい分析フレームワークを提案する。
医用画像AIの偏りを評価するために, サイリコ試験の制御を行うためのこのフレームワークを開発し, テストした。
論文 参考訳(メタデータ) (2023-11-03T01:37:28Z) - Knowledge-based in silico models and dataset for the comparative
evaluation of mammography AI for a range of breast characteristics, lesion
conspicuities and doses [2.9362519537872647]
M-SYNTH(M-SYNTH)は乳腺線維腺の密度分布の異なるコホートのデータセットである。
その結果,乳房密度の増加とともにモデル性能が低下し,体重密度が増大することがわかった。
曝露レベルが低下すると、AIモデルの性能は、乳房型に推奨される推奨投与量よりも低い被曝レベルで達成された最高性能で低下する。
論文 参考訳(メタデータ) (2023-10-27T21:14:30Z) - 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) - SyntheX: Scaling Up Learning-based X-ray Image Analysis Through In
Silico Experiments [12.019996672009375]
人間のモデルからリアルなシミュレートされた画像を作成することは、大規模なIn situデータ収集の代替となることを示す。
人体モデルからの学習データの合成は、容易にスケールできるので、我々がSyntheXと呼ぶX線画像解析のためのモデル転送パラダイムが、実際のデータ学習モデルよりも優れていることが分かりました。
論文 参考訳(メタデータ) (2022-06-13T13:08:41Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳(メタデータ) (2022-05-19T17:34:18Z) - Virtual vs. Reality: External Validation of COVID-19 Classifiers using
XCAT Phantoms for Chest Computed Tomography [2.924350993741562]
CVIT-COVIDデータセットを作成し、シミュレーションされたCOVID-19および正常ファントムモデルからの180個の仮想画像計算断層撮影(CT)画像を作成した。
ウォータールー大学のオープンソース深層学習モデルの性能を多施設データを用いて評価した。
我々は,305枚のCT画像のオープンな臨床データに対して,実際の臨床データと仮想的な臨床データのパフォーマンスを比較検討した。
論文 参考訳(メタデータ) (2022-03-07T00:11:53Z) - COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep
Convolutional Neural Network Design for Detection of COVID-19 Patient Cases
from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。
実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。
リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文 参考訳(メタデータ) (2021-08-05T16:47:33Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳(メタデータ) (2021-03-18T03:31:33Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳(メタデータ) (2020-07-20T19:08:50Z) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳(メタデータ) (2020-04-06T15:21:34Z)
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。