論文の概要: Automated classification method of COVID-19 cases from chest CT volumes using 2D and 3D hybrid CNN for anisotropic volumes

• arxiv url: http://arxiv.org/abs/2607.28950v1
• Date: Fri, 31 Jul 2026 02:12:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.563813
• Title: Automated classification method of COVID-19 cases from chest CT volumes using 2D and 3D hybrid CNN for anisotropic volumes
• Title（参考訳）: 異方性容積に対する2Dおよび3DハイブリッドCNNを用いた胸部CTボリュームからのCOVID-19患者の自動分類法
• Abstract要約: 新型コロナウイルス感染症(COVID-19)は世界中に広がり、多くの感染者や死亡者が出た。 コンピュータ支援診断システム(CAD)は迅速かつ定量的な診断結果を提供する。 新型コロナウイルス診断支援のための胸部CTボリュームの自動分類法を提案する。
• 参考スコア（独自算出の注目度）: 2.9275528615354993
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes an automated classification method of chest CT volumes based on likelihood of COVID-19 cases. Novel coronavirus disease 2019 (COVID-19) spreads over the world, causing a large number of infected patients and deaths. Sudden increase in the number of COVID-19 patients causes a manpower shortage in medical institutions. Computer-aided diagnosis (CAD) system provides quick and quantitative diagnosis results. CAD system for COVID-19 enables efficient diagnosis workflow and contributes to reduce such manpower shortage. This paper proposes an automated classification method of chest CT volumes for COVID-19 diagnosis assistance. We propose a COVID-19 classification convolutional neural network (CNN) that has a 2D/3D hybrid feature extraction flows. The 2D/3D hybrid feature extraction flows are designed to effectively extract image features from anisotropic volumes such as chest CT volumes for diagnosis. The flows extract image features on three mutually perpendicular planes in CT volumes and then combine the features to perform classification. Classification accuracy of the proposed method was evaluated using a dataset that contains 1288 CT volumes. An averaged classification accuracy was 83.3%. The accuracy was higher than that of a classification CNN which does not have 2D and 3D hybrid feature extraction flows.
• Abstract（参考訳）: 本報告では, 新型コロナウイルスの可能性を考慮し, 胸部CTボリュームの自動分類法を提案する。 新型コロナウイルス感染症(COVID-19)は世界中に広がり、多くの感染者や死亡者が出た。 新型コロナウイルス(COVID-19)患者の急激な増加は、医療機関に人力不足を引き起こす。 コンピュータ支援診断システム(CAD)は迅速かつ定量的な診断結果を提供する。 新型コロナウイルスのCADシステムは、効率的な診断ワークフローを可能にし、そのような人力不足の軽減に寄与する。 本稿では,新型コロナウイルス診断支援のための胸部CTボリュームの自動分類法を提案する。 本稿では,2D/3Dハイブリッド特徴抽出フローを有する新型コロナウイルス分類畳み込みニューラルネットワーク(CNN)を提案する。 2D/3Dハイブリッド特徴抽出フローは、胸部CTボリュームなどの異方性ボリュームから画像特徴を効果的に抽出して診断するように設計されている。 フローは、CTボリューム内の3つの垂直平面上の画像特徴を抽出し、その特徴を組み合わせて分類を行う。 提案手法の分類精度は,1288個のCTボリュームを含むデータセットを用いて評価した。 平均分類精度は83.3%であった。 その精度は2次元と3次元のハイブリッド特徴抽出フローを持たない分類CNNよりも高かった。

関連論文リスト

• Classification of COVID-19 cases from chest CT volumes using hybrid model of 3D CNN and 3D MLP-Mixer [2.9275528615354993]
  本稿では, 3D-Mixer を改良した COVID-19 胸部CT ボリュームの自動分類法を提案する。 新型コロナウイルス感染症(COVID-19)は世界中に広がり、多くの感染者や死亡者が出た。
  論文  参考訳（メタデータ） (2026-07-31T03:06:07Z)
• Reduced Deep Convolutional Activation Features (R-DeCAF) in Histopathology Images to Improve the Classification Performance for Breast Cancer Diagnosis [0.0]
  乳がんは世界で2番目に多いがんである。 ディープ畳み込みニューラルネットワーク(CNN)は効果的なソリューションである。 事前訓練したCNNの活性化層から抽出した特徴をDeep Convolutional activation features (DeCAF)と呼ぶ。
  論文  参考訳（メタデータ） (2023-01-05T06:53:46Z)
• Dual Multi-scale Mean Teacher Network for Semi-supervised Infection Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
  CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。 現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。 既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
  論文  参考訳（メタデータ） (2022-11-10T13:11:21Z)
• A Novel Automated Classification and Segmentation for COVID-19 using 3D CT Scans [5.5957919486531935]
  新型コロナウイルス(COVID-19)による肺のCT画像では、地上ガラスの濁度が専門的な診断を必要とする最も一般的な発見である。 一部の研究者は、専門知識の欠如による専門的診断専門医の代替となる、関連するDLモデルを提案する。 肺病変の分類では, 新型コロナウイルス, 肺炎, 正常の3種類で94.52%の精度が得られた。
  論文  参考訳（メタデータ） (2022-08-04T22:14:18Z)
• Adaptive GLCM sampling for transformer-based COVID-19 detection on CT [15.721176922155406]
  本稿では,新しいデータキュレーションと適応サンプリング手法を用いたトランスフォーマーを用いたCOVID-19検出手法を提案する。 実験結果から,提案手法はモデル変更の困難さを伴わずに,大きなマージンで検出性能を向上することを示した。
  論文  参考訳（メタデータ） (2022-07-04T15:31:21Z)
• 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)
• COVID-19 identification from volumetric chest CT scans using a progressively resized 3D-CNN incorporating segmentation, augmentation, and class-rebalancing [4.446085353384894]
  新型コロナウイルスは世界的なパンデミックの流行だ。 高い感度のコンピュータ支援スクリーニングツールは、疾患の診断と予後に不可欠である。 本稿では,3次元畳み込みニューラルネットワーク(CNN)に基づく分類手法を提案する。
  論文  参考訳（メタデータ） (2021-02-11T18:16:18Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Adaptive Feature Selection Guided Deep Forest for COVID-19 Classification with Chest CT [49.09507792800059]
  胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。 AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
  論文  参考訳（メタデータ） (2020-05-07T06:00:02Z)
• Machine-Learning-Based Multiple Abnormality Prediction with Large-Scale Chest Computed Tomography Volumes [64.21642241351857]
  19,993症例から36,316巻の胸部CTデータセットを収集,解析した。 自由テキストラジオグラフィーレポートから異常ラベルを自動的に抽出するルールベース手法を開発した。 胸部CTボリュームの多臓器・多臓器分類モデルも開発した。
  論文  参考訳（メタデータ） (2020-02-12T00:59:23Z)

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。