論文の概要: COVID-19 Computer-aided Diagnosis through AI-assisted CT Imaging
Analysis: Deploying a Medical AI System
- arxiv url: http://arxiv.org/abs/2403.06242v2
- Date: Tue, 12 Mar 2024 10:54:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 11:19:58.265919
- Title: COVID-19 Computer-aided Diagnosis through AI-assisted CT Imaging
Analysis: Deploying a Medical AI System
- Title(参考訳): ai支援ct画像解析によるcovid-19診断 : 医療aiシステムの展開
- Authors: Demetris Gerogiannis and Anastasios Arsenos and Dimitrios Kollias and
Dimitris Nikitopoulos and Stefanos Kollias
- Abstract要約: 我々は,CT画像の自動解析を目的とした最先端AIシステムの統合と信頼性,迅速な展開について紹介する。
提案システムは、医師の発見時間を短縮し、新型コロナウイルス検出の全体的な効率を高めることが期待されている。
- 参考スコア(独自算出の注目度): 16.1664846590467
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Computer-aided diagnosis (CAD) systems stand out as potent aids for
physicians in identifying the novel Coronavirus Disease 2019 (COVID-19) through
medical imaging modalities. In this paper, we showcase the integration and
reliable and fast deployment of a state-of-the-art AI system designed to
automatically analyze CT images, offering infection probability for the swift
detection of COVID-19. The suggested system, comprising both classification and
segmentation components, is anticipated to reduce physicians' detection time
and enhance the overall efficiency of COVID-19 detection. We successfully
surmounted various challenges, such as data discrepancy and anonymisation,
testing the time-effectiveness of the model, and data security, enabling
reliable and scalable deployment of the system on both cloud and edge
environments. Additionally, our AI system assigns a probability of infection to
each 3D CT scan and enhances explainability through anchor set similarity,
facilitating timely confirmation and segregation of infected patients by
physicians.
- Abstract(参考訳): コンピュータ支援診断システム(CAD)は、医療画像による新しいコロナウイルス病2019(COVID-19)の特定において、医師にとって強力な支援となる。
本稿では、ct画像を自動的に分析し、新型コロナウイルスの迅速検出に感染の可能性を提供する最先端のaiシステムの統合と、信頼性と迅速な展開について紹介する。
このシステムは, 分類と分節化の両方からなるシステムであり, 医師の検出時間を短縮し, 新型コロナウイルス検出の総合的効率を高めることが期待されている。
データ格差や匿名化、モデルの時間効率性のテスト、データセキュリティなど、さまざまな課題を克服し、クラウドとエッジ環境の両方でシステムの信頼性とスケーラブルなデプロイを可能にしました。
さらに,我々のAIシステムは,各3次元CTスキャンに感染確率を割り当て,アンカーセットの類似性を通じて説明可能性を高め,医師による感染患者のタイムリーな確認と分離を容易にする。
関連論文リスト
- Empowering Medical Imaging with Artificial Intelligence: A Review of
Machine Learning Approaches for the Detection, and Segmentation of COVID-19
Using Radiographic and Tomographic Images [2.232567376976564]
2019年以降、コロナウイルスとその新規株の世界的な普及により、新たな感染が急増している。
X線およびCTイメージング技術の使用は、新型コロナウイルスの診断と管理に重要である。
本稿では、機械学習(ML)を用いた新型コロナウイルスの診断のための医療画像の改善手法に焦点を当てた。
論文 参考訳(メタデータ) (2024-01-13T09:17:39Z) - 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) - COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical
Network to Monitor and Detect COVID-19 Infection from Point-of-Care
Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。
ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文 参考訳(メタデータ) (2023-01-04T16:05:51Z) - PrepNet: A Convolutional Auto-Encoder to Homogenize CT Scans for
Cross-Dataset Medical Image Analysis [0.22485007639406518]
新型コロナウイルスの診断はPCR検査で効率的に行えるようになったが、このユースケースは、データの多様性を克服する方法論の必要性を実証するものだ。
本稿では,CTスキャンに最小限の変更を同時に導入しながら,イメージング技術によって引き起こされる差を解消することを目的とした,新しい生成手法を提案する。
論文 参考訳(メタデータ) (2022-08-19T15:49:47Z) - 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) - Robust Weakly Supervised Learning for COVID-19 Recognition Using
Multi-Center CT Images [8.207602203708799]
重症急性呼吸器症候群ウイルス2(SARS-CoV-2)による新型コロナウイルス感染症2019(COVID-19)
異なる病院にあるCTスキャナの様々な技術的仕様のため、CT画像の出現は、多くの自動画像認識アプローチの失敗に繋がる。
新型コロナウイルスのCTスキャン認識モデル、すなわち新型コロナウイルス情報融合診断ネットワーク(CIFD-Net)を提案する。
本モデルでは,CTスキャン画像の外観の相違を,他の最先端手法と比較して精度が高く,確実かつ効率的に解決することができる。
論文 参考訳(メタデータ) (2021-12-09T15:22:03Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳(メタデータ) (2021-04-06T02:01:43Z) - 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) - 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) - 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。