論文の概要: Domain adaptation, Explainability & Fairness in AI for Medical Image
Analysis: Diagnosis of COVID-19 based on 3-D Chest CT-scans
- arxiv url: http://arxiv.org/abs/2403.02192v1
- Date: Mon, 4 Mar 2024 16:31:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 18:07:44.777234
- Title: Domain adaptation, Explainability & Fairness in AI for Medical Image
Analysis: Diagnosis of COVID-19 based on 3-D Chest CT-scans
- Title（参考訳）: 医用画像解析のためのAIにおけるドメイン適応・説明可能性・公正性:3次元胸部CTスキャンによるCOVID-19の診断
- Authors: Dimitrios Kollias and Anastasios Arsenos and Stefanos Kollias
- Abstract要約: 本稿では,DeF-AI-MIA COV19Dコンペティションを紹介する。
コンペティションはICCV 2021、ECCV 2022、ICASSP 2023の3つのコンペティションに続くシリーズ第4位である。
本論文では, チャレンジで使用するベースラインモデルと, 得られた性能について述べる。
- 参考スコア（独自算出の注目度）: 19.84888289470376
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The paper presents the DEF-AI-MIA COV19D Competition, which is organized in
the framework of the 'Domain adaptation, Explainability, Fairness in AI for
Medical Image Analysis (DEF-AI-MIA)' Workshop of the 2024 Computer Vision and
Pattern Recognition (CVPR) Conference. The Competition is the 4th in the
series, following the first three Competitions held in the framework of ICCV
2021, ECCV 2022 and ICASSP 2023 International Conferences respectively. It
includes two Challenges on: i) Covid-19 Detection and ii) Covid-19 Domain
Adaptation. The Competition use data from COV19-CT-DB database, which is
described in the paper and includes a large number of chest CT scan series.
Each chest CT scan series consists of a sequence of 2-D CT slices, the number
of which is between 50 and 700. Training, validation and test datasets have
been extracted from COV19-CT-DB and provided to the participants in both
Challenges. The paper presents the baseline models used in the Challenges and
the performance which was obtained respectively.
- Abstract（参考訳）: 本稿では,2024年のコンピュータビジョン・パターン認識会議(CVPR)のワークショップにおいて,DEF-AI-MIA COV19Dコンペティションについて述べる。
この大会は、iccv 2021、eccv 2022、icassp 2023の3つの国際会議の枠組みで開催される第4回大会である。
2つの課題がある。
i)covid-19 の検出及び検出
ii) Covid-19 Domain Adaptation
コンペティションはCOV19-CT-DBデータベースのデータを用いており、このデータベースには大量の胸部CTスキャンシリーズが含まれている。
各胸部ctスキャンシリーズは2次元ctスライスのシーケンスで構成されており、その数は50から700である。
COV19-CT-DBからトレーニング、検証、テストデータセットが抽出され、両方のチャレンジの参加者に提供される。
本論文では, チャレンジで使用するベースラインモデルと, 得られた性能について述べる。
関連論文リスト
- RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。
私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
論文 参考訳（メタデータ） (2024-04-25T17:11:37Z) - High-confidence pseudo-labels for domain adaptation in COVID-19 detection [8.28720658988688]
本報告では,第4回COV19Dコンペティションへの応募について概説する。
競技は2つの課題からなる。
1つ目は、COV19-CT-DBデータベースから1000以上のCTスキャンから新型コロナウイルスの存在を検出するために分類器を訓練することである。
論文 参考訳（メタデータ） (2024-03-20T11:12:57Z) - Cov3d: Detection of the presence and severity of COVID-19 from CT scans
using 3D ResNets [0.0]
Cov3dは、胸部CTスキャンからCOVID19の存在と重症度を検出するための3次元畳み込みニューラルネットワークである。
COVID19の重症度を分類する作業では、マクロf1スコアが0.7552に達する。
論文 参考訳（メタデータ） (2022-07-05T05:22:38Z) - AI-MIA: COVID-19 Detection & Severity Analysis through Medical Imaging [3.6170587429082195]
COV19-CT-DBデータベースは、約7,700個の3DCTスキャンからなる新型コロナウイルスの予防のために注釈付けされている。
トレーニング、検証、テストデータセットで、データベースと後者を分割しました。
ベースラインアプローチは、CNN-RNNネットワークに基づくディープラーニングアプローチで構成され、そのパフォーマンスをCOVID19-CT-DBデータベースに報告する。
論文 参考訳（メタデータ） (2022-06-09T19:09:01Z) - COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest
X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。
CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。
我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
論文 参考訳（メタデータ） (2022-06-08T04:39:44Z) - COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset
for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。
COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。
我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
論文 参考訳（メタデータ） (2022-06-07T06:35:48Z) - Evaluating the COVID-19 Identification ResNet (CIdeR) on the INTERSPEECH
COVID-19 from Audio Challenges [59.78485839636553]
CIdeRはエンド・ツー・エンドのディープラーニング・ニューラルネットワークで、個人が新型コロナウイルス陽性か新型コロナウイルス陰性かを分類するために設計された。
COVID-19 CoughとInterSPEECH 2021, ComParE, DiCOVAの両者によるCIdeRのバイナリ診断の可能性を示した。
論文 参考訳（メタデータ） (2021-07-30T10:59:08Z) - MIA-COV19D: COVID-19 Detection through 3-D Chest CT Image Analysis [4.5497948012757865]
約5,000個の3次元CTスキャンからなる,COVID-19に注釈を付したCOV19-CT-DBデータベースについて報告する。
プライバシー上の問題から、公開可能なCOVID-19 CTデータセットの入手は非常に困難である。
また,CNN-RNNネットワークに基づく深層学習手法を提案し,その性能をCOVID19-CT-DBデータベース上で報告する。
論文 参考訳（メタデータ） (2021-06-14T15:48:14Z) - 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) - Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray
Images [61.24431480245932]
COVID-19 Multi-Task Networkは、新型コロナウイルススクリーニングのためのエンドツーエンドネットワークである。
我々は,ChestXray-14,CheXpertおよび統合型COVID-19データセットから採取した9000個の前頭胸部X線写真から肺領域を手動で注釈した。
このデータベースは研究コミュニティに公開されます。
論文 参考訳（メタデータ） (2020-08-03T12:52:23Z) - COVID-19-CT-CXR: a freely accessible and weakly labeled chest X-ray and
CT image collection on COVID-19 from biomedical literature [19.00121006721942]
我々は、COVID-19関連記事から自動的に抽出されたCXRとCT画像の公開データベースであるCOVID-19-CT-CXRを提示する。
最終データベースには1,327個のCTと263個のCXRイメージが含まれており、関連するテキストがある。
論文 参考訳（メタデータ） (2020-06-11T04:00:56Z)
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。