covid-19 detection | BriefGPT

关键词covid-19 detection

搜索结果 - 17

COVID-19 检测中的领域适应高置信度伪标签
这篇论文概述了我们在 “计算机视觉与模式识别会议（CVPR）” 的 “医学图像分析中的领域适应、可解释性和公平性 AI（DEF-AI-MIA）” 研讨会上，参加第四届 COV19D 竞赛的提交内容。竞赛包括两个挑战，第一个是从 COV19-
PDF3 months ago
CT 图像中基于 CLIP 的强健 COVID-19 检测
通过使用冻结的 CLIP 图像编码器和可训练的多层感知器（MLP），本研究提出了第一个轻量级检测器，旨在克服医学成像领域，特别是 COVID-19 检测领域所面临的诸多挑战，如广泛的计算资源、缺乏良好注释的数据集和大量未标记的数据。此外，我
PDF4 months ago
医疗图像 AI 中的领域适应、可解释性与公正性研究：基于 3D 胸部 CT 扫描的 COVID-19 诊断
该研究报告介绍了 2024 年计算机视觉与模式识别会议的 “Domain adaptation, Explainability, Fairness in AI for Medical Image Analysis (DEF-AI-MIA)”
PDF4 months ago
重视感知的自适应数据集蒸馏
我们提出了一种新颖的数据集精炼方法，可以构建小型信息丰富的数据集，以保留大型原始数据集的信息。这种方法可以改善数据集精炼的性能，通过自动分配不同网络参数的重要性权重来合成更加稳健的精炼数据集，在多个基准数据集上表现优于其他最先进的数据集精炼
PDF5 months ago
基于对抗训练的鲁棒可解释性胸部 X 射线 COVID-19 诊断
通过 21 个卷积神经网络模型在多样化的 33,000 + 胸部 X 射线图像上进行训练和评估，我们的研究旨在解决人工智能在 COVID-19 检测中的可解释性和鲁棒性问题，通过对抗训练提高了模型的鲁棒性，并生成了与专业放射科医生发现相一致
PDF7 months ago
基于人工神经网络的冠状病毒智能检测系统的开发
本文介绍了基于人工神经网络的新型智能系统用于检测冠状病毒。通过综合文献回顾发现，高烧占 COVID-19 症状的 87.9%。收集了来自尼日利亚恩古市 Collie 医院的 683 例 COVID-19 患者的高温数据（>= 38℃），用于
PDF9 months ago
COVID-19 检测系统：基于咳嗽音频特征的系统性能比较分析
利用咳嗽声音进行 COVID-19 检测的研究，探讨了增强机器学习模型性能的各种声学特征提取技术，并在两种机器学习算法（支持向量机和多层感知机）上进行了实证研究，提出了一种高效的 COVID-19 检测系统。该系统在 COUGHVID 和
PDF10 months ago
基于视觉变压器的自监督方法用于胸部 X 光片分类
我们提出了一种自监督方法 DINO-CXR，通过对胸部 X 射线的分类进行自监督预训练，证明了该方法在肺炎和 COVID-19 检测方面的有效性，并在准确性方面胜过了最先进的方法，在 AUC 和 F-1 得分方面取得了可比较的结果，同时少使
PDFa year ago
基于视觉 Transformer 的胸部 X 射线 COVID-19 检测研究
COVID-19 检测中，迁移学习结合视觉变换器是一种有效的方法，并且在实验中显示出了优于传统方法和卷积神经网络的表现，这证明了视觉变换器在改进临床筛查和诊断的效率和准确性方面具有潜力。
PDFa year ago
特征模仿网络在生物医学图像处理任务中提高了深度学习的性能、可靠性和速度
本文首次评估了具有近似闭式统计特征的权重的仿真网络（FIN）在生物医学图像处理任务中的性能表现，结果表明 FIN 在 COVID-19 检测、脑肿瘤分类和分割等任务中均具有最佳的绩效。
PDFa year ago
基于演化的 Tsukamoto 神经模糊模型在胸部 X 光图像中多类 Covid 19 分类中的应用
本研究提出了一种基于机器学习和神经模糊推理网络的自动 COVID-19 检测框架，采用猫群优化算法更新参数，从胸部 X 光图像中提取六个纹理特征作为输入，经过模拟实验，其精度为 98.51％, 敏感度为 98.35％，特异度为 98.08％
PDFa year ago
COVID-19 检测深度模型可解释性分析
本研究使用卷积神经网络检测 COVID-19，使用谱图和 F0 等特征解释神经网络判定过程，生成热图来捕捉模型决策过程，结果显示谱图相关能量高的区域对决策过程起主导作用，同时 F0 也有帮助。研究表明，即使在训练集中存在虚假数据的情况下，所
PDF2 years ago
基于对抗训练的隐私感知的 COVID-19 早期检测
使用机器学习技术，采用抗干扰训练方法，利用基础的临床数据，开发了两个能较好地预测患者 COVID-19 状态的连续神经网络模型，并提高了模型隐私保护能力，可有效减少医疗信息泄漏。
PDF2 years ago
去中心化无标签医学影像的联邦对比学习
本研究提出了一个名为 FedMoCo 的鲁棒性联邦对比学习（FCL）框架，该框架在临床领域的分布式无标签医学数据上进行元数据传输和自适应聚合，并在 COVID-19 检测等下游任务中显著减少有标签数据需求，从而相对于传统联邦学习框架 Fed
PDF3 years ago
COVID-19 检测研究中负责任的医学图像深度学习建模清单
本文对 COVID-19 检测的深度神经网络模型进行了系统分析，揭示了在数据获取、模型开发和解释构建的不同阶段出现的错误。从放射学领域的深入理解不足中浮现出典型的错误，提供了放射科专家和处理模型解释的深度学习工程师的观点，最终得出了一份可靠
PDF4 years ago
探究影像增强技术对于使用胸部 X 光影像检测 COVID-19 的影响
本文介绍了通过计算机辅助诊断在 COVID-19 检测和诊断中使用胸部 X 射线成像以及对不同图片增强技术对检测表现的影响，通过创建最大的公共 COVID-19 阳性数据库进行认证，并研究了六种不同的卷积神经网络以及五种不同的图像增强技术，
PDF4 years ago
COVID_MTNet：基于多任务深度学习方法的 COVID-19 检测
该研究提出了一种基于多任务深度学习方法的快速有效的 COVID-19 患者识别方法，同时考虑 X 射线和 CT 扫描图像，使得 COVID-19 检测的测试准确率分别为 84.67％和 98.78％，并提出了一种定量分析策略以确定 X 射线
PDF4 years ago