論文の概要: COVID19 Prediction Based On CT Scans Of Lungs Using DenseNet Architecture
- arxiv url: http://arxiv.org/abs/2508.16670v1
- Date: Thu, 21 Aug 2025 04:12:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.105296
- Title: COVID19 Prediction Based On CT Scans Of Lungs Using DenseNet Architecture
- Title（参考訳）: DenseNetアーキテクチャを用いた肺CT検査に基づくCOVID19の予測
- Authors: Deborup Sanyal,
- Abstract要約: COVID19は2019年12月以来、嵐で世界を席巻した。
新型コロナウイルス(COVID-19)による生命の喪失の主な理由は、呼吸器系の故障であった。
本研究の目的は、患者の肺のCTスキャンを読み取ることにより、医師が新型コロナウイルスの重症度を決定するのを支援することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: COVID19 took the world by storm since December 2019. A highly infectious communicable disease, COVID19 is caused by the SARSCoV2 virus. By March 2020, the World Health Organization (WHO) declared COVID19 as a global pandemic. A pandemic in the 21st century after almost 100 years was something the world was not prepared for, which resulted in the deaths of around 1.6 million people worldwide. The most common symptoms of COVID19 were associated with the respiratory system and resembled a cold, flu, or pneumonia. After extensive research, doctors and scientists concluded that the main reason for lives being lost due to COVID19 was failure of the respiratory system. Patients were dying gasping for breath. Top healthcare systems of the world were failing badly as there was an acute shortage of hospital beds, oxygen cylinders, and ventilators. Many were dying without receiving any treatment at all. The aim of this project is to help doctors decide the severity of COVID19 by reading the patient's Computed Tomography (CT) scans of the lungs. Computer models are less prone to human error, and Machine Learning or Neural Network models tend to give better accuracy as training improves over time. We have decided to use a Convolutional Neural Network model. Given that a patient tests positive, our model will analyze the severity of COVID19 infection within one month of the positive test result. The severity of the infection may be promising or unfavorable (if it leads to intubation or death), based entirely on the CT scans in the dataset.
- Abstract（参考訳）: COVID19は2019年12月以来、嵐で世界を席巻した。
感染性の高い感染症であるCOVID19はSARSCoV2ウイルスによって引き起こされる。
2020年3月までに世界保健機関(WHO)はCOVID19を世界的なパンデミックと宣言した。
約100年後の21世紀のパンデミックは、世界が備えていなかったもので、全世界で約1.6万人が死亡した。
COVID19の最も一般的な症状は呼吸器系であり、風邪、インフルエンザ、肺炎に似ている。
大規模な研究の後、医師や科学者は、COVID-19による生命の喪失の主な原因は呼吸器系の障害にあると結論づけた。
患者は息を吸って死にかけていた。
世界のトップ医療システムは、病院のベッドや酸素シリンダー、人工呼吸器が急速に不足しているため、深刻な欠陥を抱えていた。
多くは治療を受けずに死んでいた。
本研究の目的は、患者の肺のCTスキャンを読み取ることにより、新型コロナウイルスの重症度を医師が判断するのを支援することである。
コンピュータモデルは人間のエラーが少ないため、機械学習やニューラルネットワークモデルは、トレーニングが時間とともに改善するにつれて、より正確になる傾向がある。
我々は畳み込みニューラルネットワークモデルを使用することを決定した。
患者が陽性であった場合, 検査結果から1ヶ月以内に, 新型コロナウイルス感染症の重症度を解析する。
感染の重症度は、データセットのCTスキャンに基づいて、(挿管や死につながる場合)有望または好ましくない可能性がある。
関連論文リスト
- COVID-19 Pneumonia Diagnosis Using Medical Images: Deep Learning-Based Transfer Learning Approach [0.0]
SARS-CoV-2は高い透過性と進化する変異のため、世界的な健康上の問題となっている。
DenseNet121は、CTとX線画像を用いた新型コロナウイルスの診断において、最も優れたアーキテクチャとして登場した。
論文 参考訳（メタデータ） (2025-03-16T20:33:39Z) - CoVid-19 Detection leveraging Vision Transformers and Explainable AI [0.0]
肺疾患は、死因のトップ30のうち5つに原因がある。
早期に肺疾患を診断することが重要である。
ディープラーニングアルゴリズムは、自律的、迅速、そして正確な肺疾患の同定に重要な可能性を秘めている。
論文 参考訳（メタデータ） (2023-07-29T17:45:27Z) - WisdomNet: Prognosis of COVID-19 with Slender Prospect of False Negative
Cases and Vaticinating the Probability of Maturation to ARDS using
Posteroanterior Chest X-Rays [0.0]
WisdomNetと呼ばれる新しいニューラルネットワークは、胸部X線を用いた新型コロナウイルスの診断のために提案されている。
WisdomNetはWisdom of Crowdsという概念を創始のアイデアとして使っている。
胸部X線画像を入力として利用する2層畳み込みニューラルネットワーク(CNN)である。
論文 参考訳（メタデータ） (2021-07-03T09:55:28Z) - COVID-Net CT-S: 3D Convolutional Neural Network Architectures for
COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。
3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
論文 参考訳（メタデータ） (2021-05-04T04:44:41Z) - 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) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - 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) - Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community
Acquired Pneumonia [46.521323145636906]
胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。
特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。
我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
論文 参考訳（メタデータ） (2020-05-06T09:56:51Z) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose
COVID-19 in X-Ray Images [10.312968200748116]
2019年の新型コロナウイルス(COVID-19)は、2019年末に中国の武漢市で新型肺炎として発見された。
本稿の目的は、放射線科医がX線画像中のCOVID-19を自動的に診断するのを支援するための新しいディープラーニングフレームワーク、すなわちCOVIDX-Netを導入することである。
論文 参考訳（メタデータ） (2020-03-24T18:21:10Z)
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。