POCOVID-Net:新しい肺超音波画像データセット(POCUS)からのCOVID-19の自動検出【JST・京大機械翻訳】

Born Jannis; Braendle Gabriel; Cossio Manuel; Disdier Marion; Goulet Julie; Roulin Jeremie; Wiedemann Nina

プレプリント

J-GLOBAL ID：202202210558835817 整理番号：21P0030099

POCOVID-Net:新しい肺超音波画像データセット(POCUS)からのCOVID-19の自動検出【JST・京大機械翻訳】

POCOVID-Net: Automatic Detection of COVID-19 From a New Lung Ultrasound Imaging Dataset (POCUS)

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 (7件)： , , , , , ,
資料名：
発行年： 2020年04月25日プレプリントサーバーでの情報更新日： 2021年01月24日
JST資料番号： O7000B 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)

COVID-19の世界的流行への急速な発展により,COVID-19の診断において医師を支援できる安く,迅速で信頼できるツールの緊急の必要性がある。CTのような医用イメージングは,分子生物学から従来の診断ツールを補完する上で重要な役割を果たし,深い学習技術を用いて,いくつかの自動システムは,CTまたはX線データを用いて有望な性能を示した。ここでは,COVID-19検出を誘導するためのポイントオブケア超音波イメージングのより顕著な役割を提唱する。超音波は,世界中の医療施設で非侵襲的で遍在している。著者らの貢献は3倍である。最初に,64のビデオからサンプリングした1103の画像(654のCOVID-19,277の細菌性肺炎および172の健常対照者)からなる肺超音波(POCUS)データセットを集めた。このデータセットは,様々なオンラインソースから組み立てられ,特に深層学習モデルに対して処理され,オープンアクセスイニシアティブのための出発点として役立つことを意図する。第2に,著者らは,この3クラスデータセット上で深い畳込みニューラルネットワーク(POCOVID-Net)を訓練し,89%の精度を達成して,大多数の投票によって,92%のビデオ精度を達成した。特に,COVID-19を検出するために,モデルは,0.96の感度,0.79の特異性,および5倍交差検証における0.92のF1スコアを有する。第3に,https://pocovidscreen.orgで利用可能なオープンアクセスWebサービス(POCOVIDスクリーン)を提供した。ウェブサイトは予測モデルを展開し,超音波肺画像の予測を可能にする。さらに,医療スタッフは,病理学的肺超音波画像の増加する公共データベースに寄与するために,彼ら自身のスクリーニングを(バルク)アップロードするオプションを助成する。データセットとコードは,https://github.com/jannisborn/covid19_pocus_ultrasoundから利用可能である。NOTE:このプレプリントは,応用科学:https://doi.org/10.3390/app11020672において,著者らの論文によって超えられる。【JST・京大機械翻訳】

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

医療用機器装置 , 臨床麻酔学一般 , 音響信号処理 , 医用画像処理 , 生体計測

, , , , ,

前のページに戻る