論文の概要: Zero-Shot Pediatric Tuberculosis Detection in Chest X-Rays using Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2402.14741v1
• Date: Thu, 22 Feb 2024 17:55:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-23 14:13:45.777528
• Title: Zero-Shot Pediatric Tuberculosis Detection in Chest X-Rays using Self-Supervised Learning
• Title（参考訳）: 自己教師付き学習による胸部x線におけるゼロショット小児結核検出
• Authors: Daniel Capell\'an-Mart\'in, Abhijeet Parida, Juan J. G\'omez-Valverde, Ramon Sanchez-Jacob, Pooneh Roshanitabrizi, Marius G. Linguraru, Mar\'ia J. Ledesma-Carbayo, Syed M. Anwar
• Abstract要約: 世界保健機関(WHO)は、TBスクリーニングのための胸部X線(CXR)を提唱している。 放射線医による視覚的解釈は、特に小児TBにおいて主観的、時間的、誤認しがちである。 本稿では,CXR における TB 検出を改善するために視覚変換器 (ViT) を利用した新たな自己監督パラダイムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Tuberculosis (TB) remains a significant global health challenge, with pediatric cases posing a major concern. The World Health Organization (WHO) advocates for chest X-rays (CXRs) for TB screening. However, visual interpretation by radiologists can be subjective, time-consuming and prone to error, especially in pediatric TB. Artificial intelligence (AI)-driven computer-aided detection (CAD) tools, especially those utilizing deep learning, show promise in enhancing lung disease detection. However, challenges include data scarcity and lack of generalizability. In this context, we propose a novel self-supervised paradigm leveraging Vision Transformers (ViT) for improved TB detection in CXR, enabling zero-shot pediatric TB detection. We demonstrate improvements in TB detection performance ($\sim$12.7% and $\sim$13.4% top AUC/AUPR gains in adults and children, respectively) when conducting self-supervised pre-training when compared to fully-supervised (i.e., non pre-trained) ViT models, achieving top performances of 0.959 AUC and 0.962 AUPR in adult TB detection, and 0.697 AUC and 0.607 AUPR in zero-shot pediatric TB detection. As a result, this work demonstrates that self-supervised learning on adult CXRs effectively extends to challenging downstream tasks such as pediatric TB detection, where data are scarce.
• Abstract（参考訳）: 結核 (TB) は依然として重要な世界的な健康上の課題であり、小児患者は大きな懸念を抱いている。 世界保健機関(WHO)は、TBスクリーニングのための胸部X線(CXR)を提唱している。 しかし、放射線医による視覚的解釈は、特に小児TBでは主観的、時間的、エラーを起こしやすい。 人工知能(AI)によるコンピュータ支援検出(CAD)ツール、特にディープラーニングを利用したツールは、肺疾患検出の強化を約束している。 しかし、データ不足と一般化性の欠如が課題となっている。 そこで本研究では,視覚変換器(ViT)を利用して,CXRにおけるTB検出を改良し,ゼロショットのTB検出を可能にする,新たな自己教師型パラダイムを提案する。 完全教師付き(非訓練型)vitモデルと比較した場合の自己教師付き事前訓練時のtb検出性能(12.7%および$\sim $13.4%)と、成人のtb検出における0.959 aucおよび0.962 auprの最高性能、ゼロショット小児tb検出における0.697 aucおよび0.607 auprの改善を実証した。 その結果,成人のcxrにおける自己教師付き学習は,小児のtb検出などの下流課題に効果的に応用できることが示された。

関連論文リスト

• Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
  結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。 本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。 ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
  論文  参考訳（メタデータ） (2024-06-19T18:10:06Z)
• Early Detection of Tuberculosis with Machine Learning Cough Audio Analysis: Towards More Accessible Global Triaging Usage [0.0]
  TB診断のための現在の金の基準は遅いかアクセス不能である。 現在の機械学習(ML)診断研究は、胸部X線写真の利用と同様に効果がない。 新たなMLアーキテクチャを用いて,スマートフォンからコーズの音響疫学を解析するアンサンブルモデルを開発した。 結果は15秒以内に提供され、モバイルアプリから簡単にアクセスできる。
  論文  参考訳（メタデータ） (2023-10-25T23:22:20Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• Deep learning-based lung segmentation and automatic regional template in chest X-ray images for pediatric tuberculosis [0.0]
  臨床実習における胸部X線検査(CXR)によるTB評価 人工知能が支援するコンピュータ支援診断システムは、経験豊富な放射線科医のTB読取に匹敵する性能を示した。 小児CXR画像から肺・縦隔領域を自動的に局所化し抽出することを目的とした多視点深層学習ソリューションを提案する。
  論文  参考訳（メタデータ） (2023-01-31T17:33:35Z)
• Computer-aided Tuberculosis Diagnosis with Attribute Reasoning Assistance [58.01014026139231]
  新しい大規模結核(TB)胸部X線データセット(TBX-Att)を提案する。 属性情報を利用してTBの分類とローカライズを行うための属性支援弱教師付きフレームワークを構築した。 提案モデルはTBX-Attデータセットで評価され,今後の研究の確かなベースラインとして機能する。
  論文  参考訳（メタデータ） (2022-07-01T07:50:35Z)
• Learning to Automatically Diagnose Multiple Diseases in Pediatric Chest Radiographs Using Deep Convolutional Neural Networks [0.4697611383288171]
  ディープ畳み込みニューラルネットワーク(D-CNN)は成人の胸部X線写真(CXR)スキャンにおいて顕著な性能を示した。 本稿では,5,017名の小児CXRスキャンの大規模なデータセットを遡及的に収集し,それぞれを経験者によって手動でラベル付けする。 その後、D-CNNモデルは3,550個の注釈付きスキャンで訓練され、複数の小児肺病理を自動分類する。
  論文  参考訳（メタデータ） (2021-08-14T08:14:52Z)
• TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network Design for Detection of Tuberculosis Cases from Chest X-ray Images [66.93350009086132]
  結核は世界的な健康問題であり、感染症による死亡の主な原因です。 リソース制限シナリオで使用する人工知能ベースのTBスクリーニングソリューションに大きな関心が寄せられています。 TBケーススクリーニングに適した自己意識型ディープ畳み込みニューラルネットワークTB-Netについて紹介します。
  論文  参考訳（メタデータ） (2021-04-06T14:09:05Z)
• 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)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)

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。