Fugu-MT 論文翻訳(概要): Using Capsule Neural Network to predict Tuberculosis in lens-free microscopic images

論文の概要: Using Capsule Neural Network to predict Tuberculosis in lens-free microscopic images

arxiv url: http://arxiv.org/abs/2007.02457v1
Date: Sun, 5 Jul 2020 22:18:13 GMT
ステータス: 処理完了
システム内更新日: 2022-11-13 08:38:37.736949
Title: Using Capsule Neural Network to predict Tuberculosis in lens-free microscopic images
Title（参考訳）: カプセルニューラルネットワークによる無レンズ顕微鏡画像の結核予測
Authors: Dennis N\'u\~nez-Fern\'andez, Lamberto Ballan, Gabriel Jim\'enez-Avalos, Jorge Coronel, Mirko Zimic
Abstract要約: 本研究は,MODS法および無レンズ顕微鏡による結核の予測を容易かつ自動化することを目的としている。収集したデータセットにCapsNetアーキテクチャを使用し、従来のCNNアーキテクチャよりも精度が高いことを示す。
参考スコア（独自算出の注目度）: 1.4190701053683017
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Tuberculosis, caused by a bacteria called Mycobacterium tuberculosis, is one of the most serious public health problems worldwide. This work seeks to facilitate and automate the prediction of tuberculosis by the MODS method and using lens-free microscopy, which is easy to use by untrained personnel. We employ the CapsNet architecture in our collected dataset and show that it has a better accuracy than traditional CNN architectures.
Abstract（参考訳）: Mycobacterium tuberculosis(マイコバクテリウム結核)という細菌によって引き起こされる結核は、世界中で最も深刻な公衆衛生問題の一つである。本研究は,MODS法と無レンズ顕微鏡を用いて結核の予測を容易かつ自動化することを目的としている。収集したデータセットにCapsNetアーキテクチャを使用し、従来のCNNアーキテクチャよりも精度が高いことを示す。

関連論文リスト

Graph Neural Networks for Gut Microbiome Metaomic data: A preliminary work [0.47248250311484113]
グラフニューラルネットワーク(GNN)を用いた個々の腸内マイクロバイオームの有意義な表現の導出を目指す。エンコーダから学習した表現は、炎症性腸疾患(IBD)などの表現型予測モデルの訓練に使用される。
論文参考訳（メタデータ） (2024-06-28T15:53:36Z)
Malaria Cell Detection Using Deep Neural Networks [1.1237179306040028]
マラリアは世界中で最も深刻な公衆衛生上の懸念の1つだ。血液スミアの顕微鏡検査などの従来の診断法は、労働集約的である。本研究の目的は, 深層学習によるマラリア感染細胞の自動検出である。
論文参考訳（メタデータ） (2024-06-28T15:44:55Z)
Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文参考訳（メタデータ） (2023-10-16T13:58:53Z)
Design to automate the detection and counting of Tuberculosis(TB) bacilli [0.0]
世界保健機関(WHO)は結核の早期診断に標準的な顕微鏡検査を推奨している。顕微鏡で、技術者は、どんなTBバシリの存在でも、スミアの視野(FOV)を調べる。結核菌の検出のためのコンピュータ支援システムを提案し, 感度と特異性の向上を図った。
論文参考訳（メタデータ） (2021-05-24T17:41:39Z)
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)
Prediction of Tuberculosis using U-Net and segmentation techniques [2.1396905301368574]
本研究の目的は、MODS法およびレンズレス顕微鏡を用いて結核の診断を容易かつ自動化することである。収集したデータセットにu-netネットワークを用い,コード形状細菌集積の自動セグメント化を行い,結核の予測を行った。
論文参考訳（メタデータ） (2021-04-02T14:35:00Z)
RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2 Visual Field Data based on Retinal Structure [109.33721060718392]
緑内障は世界でも不可逆的な盲目の主要な原因です 7000万人以上が影響を受けています The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
論文参考訳（メタデータ） (2020-10-15T03:09:08Z)
COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文参考訳（メタデータ） (2020-09-08T15:49:55Z)
Global Voxel Transformer Networks for Augmented Microscopy [54.730707387866076]
本稿では,拡張顕微鏡のための高度な深層学習ツールであるグローバルボクセルトランスフォーマーネットワーク(GVTNets)を紹介する。 GVTNetはグローバルな情報収集が可能なグローバルなボクセル変換演算子(GVTO)上に構築されている。提案手法を既存のデータセットに適用し,様々な環境下での3種類の拡張顕微鏡タスクについて検討する。
論文参考訳（メタデータ） (2020-08-05T20:11:15Z)
Automatic semantic segmentation for prediction of tuberculosis using lens-free microscopy images [1.4190701053683017]
本研究はMODS法により結核の診断を容易かつ自動化することを目的としている。収集したデータセットにU-Netネットワークを用い,結核の予測にTBコードの自動セグメンテーションを行う。
論文参考訳（メタデータ） (2020-07-06T00:36:44Z)
Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。