論文の概要: Deep Learning for Automatic Pneumonia Detection

• arxiv url: http://arxiv.org/abs/2005.13899v1
• Date: Thu, 28 May 2020 10:54:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-27 05:04:10.795843
• Title: Deep Learning for Automatic Pneumonia Detection
• Title（参考訳）: 肺炎自動検出のための深層学習
• Authors: Tatiana Gabruseva, Dmytro Poplavskiy, Alexandr A. Kalinin
• Abstract要約: 肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。 コンピュータ支援診断システムは診断精度を向上させる可能性を示した。 本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
• 参考スコア（独自算出の注目度）: 72.55423549641714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pneumonia is the leading cause of death among young children and one of the top mortality causes worldwide. The pneumonia detection is usually performed through examine of chest X-ray radiograph by highly-trained specialists. This process is tedious and often leads to a disagreement between radiologists. Computer-aided diagnosis systems showed the potential for improving diagnostic accuracy. In this work, we develop the computational approach for pneumonia regions detection based on single-shot detectors, squeeze-and-excitation deep convolution neural networks, augmentations and multi-task learning. The proposed approach was evaluated in the context of the Radiological Society of North America Pneumonia Detection Challenge, achieving one of the best results in the challenge.
• Abstract（参考訳）: 肺炎は幼児の主要な死因であり、世界でも最大の死亡原因の一つである。 肺炎の検出は通常、高度に訓練された専門家による胸部X線写真検査によって行われる。 このプロセスは退屈であり、しばしば放射線科医の間で意見の相違を引き起こす。 コンピュータ支援診断システムは, 診断精度の向上の可能性を示した。 本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。 提案手法は, 北米肺炎検出チャレンジ放射線学会の文脈で評価され, 課題の最良の結果の1つとなった。

関連論文リスト

• Prediction of Pneumonia and COVID-19 Using Deep Neural Networks [0.0]
  胸部X線画像から肺炎を予測する機械学習手法を提案する。 DenseNet121は他のモデルより優れており、精度は99.58%である。
  論文  参考訳（メタデータ） (2023-08-20T21:26:37Z)
• An Adaptive and Altruistic PSO-based Deep Feature Selection Method for Pneumonia Detection from Chest X-Rays [28.656853454251426]
  肺炎は、特に世界の所得不足地域での小児死亡の主な原因の1つである。 コンピュータ支援型診断システム(CAD)は,プロの医療専門家よりも手術コストが低いため,そのような国で利用することができる。 深層学習の概念とメタヒューリスティックアルゴリズムを用いて,胸部X線からの肺炎検出のためのCADシステムを提案する。
  論文  参考訳（メタデータ） (2022-08-06T18:20:50Z)
• Deep Pneumonia: Attention-Based Contrastive Learning for Class-Imbalanced Pneumonia Lesion Recognition in Chest X-rays [11.229472535033558]
  Intention-based Contrastive Learning for Class-Imbalanced X-ray Pneumonia Lesion Recognitionを提案する。 提案手法は, 医師がより正確な肺炎の診断を行えるように, 信頼性の高いコンピュータ支援型肺炎診断システムとして利用することができる。
  論文  参考訳（メタデータ） (2022-07-23T02:28:37Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network Design for Detection of Tuberculosis Cases from Chest X-ray Images [66.93350009086132]
  結核は世界的な健康問題であり、感染症による死亡の主な原因です。 リソース制限シナリオで使用する人工知能ベースのTBスクリーニングソリューションに大きな関心が寄せられています。 TBケーススクリーニングに適した自己意識型ディープ畳み込みニューラルネットワークTB-Netについて紹介します。
  論文  参考訳（メタデータ） (2021-04-06T14:09:05Z)
• Pneumonia Detection on Chest X-ray using Radiomic Features and Contrastive Learning [26.031452674698787]
  胸部X線における肺炎の検出に放射線学的特徴と造影学習を活用した新しい枠組みを提案する。 rsna肺炎検出チャレンジデータセットの実験により,いくつかの最先端モデルに優れた結果が得られた。
  論文  参考訳（メタデータ） (2021-01-12T02:52:24Z)
• An ensemble-based approach by fine-tuning the deep transfer learning models to classify pneumonia from chest X-ray images [0.0]
  米国では、主に成人の25万人以上が肺炎と診断され、5万人が死亡している。 よく訓練された放射線科医の肺炎検出を見逃すことは珍しくなく、診断の正確性を改善する必要がある。 InceptionResNet、MobileNetV2、Xception、DenseNet201、ResNet152V2といった最先端のディープラーニングモデルを訓練、微調整して、肺炎を正確に分類しました。
  論文  参考訳（メタデータ） (2020-11-11T04:50:06Z)
• A Thorough Comparison Study on Adversarial Attacks and Defenses for Common Thorax Disease Classification in Chest X-rays [63.675522663422896]
  胸部X線に対する各種対向攻撃法と防御法について検討した。 攻撃法と防御法は過度な反復と大きな摂動で性能が劣ることがわかった。 異なる摂動度に頑健な新しい防御法を提案する。
  論文  参考訳（メタデータ） (2020-03-31T06:21:03Z)
• Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware Anomaly Detection [86.81773672627406]
  短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。 胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。 ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
  論文  参考訳（メタデータ） (2020-03-27T11:32:18Z)

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。