COVID-19の予測のための胸部CTスキャンにおける病変Areasの検出とセグメンテーション【JST・京大機械翻訳】

Ter-Sarkisov, A.

プレプリント

J-GLOBAL ID：202202202489290452 整理番号：22P0271234

COVID-19の予測のための胸部CTスキャンにおける病変Areasの検出とセグメンテーション【JST・京大機械翻訳】

Detection and Segmentation of Lesion Areas in Chest CT Scans For The Prediction of COVID-19

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2020年12月11日プレプリントサーバーでの情報更新日： 2020年12月11日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本論文では,胸部CTスキャンにおける地上ガラス容量と圧密の検出とセグメンテーションに対するモデルを比較した。これらの病変領域は,しばしば一般的な肺炎とCOVID-19の両方と関連する。Mask R-CNNモデルを訓練し,3つのアプローチを用いて高精度でこれらの領域をセグメント化した:これらの病変に対するマスクを1つに併合し,Consolationのためのマスクを削除し,両マスクを別々に使用した。最良のモデルは,すべての精度閾値にわたってインスタンスセグメンテーションのためのMS COCO基準を用いて44.68%の平均精度を達成した。分類モデル,COVID-CT-Mask-Netは,COVID-19対一般的肺炎対対照の存在を予測するために学習し,訓練データの小部分を用いて,COVIDx-CT試験スプリット(21192CTスキャン)で,93.88%のCOVID-19感度,95.64%の総合精度,95.06%の一般肺炎感受性,および96.91%の真陰性率を達成した。また,セグメンテーションと分類精度の両方に及ぼす重複物体予測の非最大抑制の影響を分析する。フルソースコード,モデルおよび事前訓練重みは,https://github.com/AlexTS1980/COVID CT Mask Net上で利用可能である。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

呼吸器の診断 , 医用画像処理 , 固体デバイス製造技術一般

, , , , ,

前のページに戻る