論文の概要: Reliable Tuberculosis Detection using Chest X-ray with Deep Learning,
Segmentation and Visualization
- arxiv url: http://arxiv.org/abs/2007.14895v1
- Date: Wed, 29 Jul 2020 15:11:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 20:54:59.922286
- Title: Reliable Tuberculosis Detection using Chest X-ray with Deep Learning,
Segmentation and Visualization
- Title（参考訳）: 胸部x線を用いた結核検診 : ディープラーニング, 分節化, 可視化
- Authors: Tawsifur Rahman, Amith Khandakar, Muhammad Abdul Kadir, Khandaker R.
Islam, Khandaker F. Islam, Rashid Mazhar, Tahir Hamid, Mohammad T. Islam,
Zaid B. Mahbub, Mohamed Arselene Ayari, Muhammad E. H. Chowdhury
- Abstract要約: 結核は細菌感染による慢性肺疾患であり、死因のトップ10の1つである。
胸部X線画像から, 画像前処理, データ拡張, 画像分割, ディープラーニング分類技術を用いて, TBを確実に検出した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tuberculosis (TB) is a chronic lung disease that occurs due to bacterial
infection and is one of the top 10 leading causes of death. Accurate and early
detection of TB is very important, otherwise, it could be life-threatening. In
this work, we have detected TB reliably from the chest X-ray images using image
pre-processing, data augmentation, image segmentation, and deep-learning
classification techniques. Several public databases were used to create a
database of 700 TB infected and 3500 normal chest X-ray images for this study.
Nine different deep CNNs (ResNet18, ResNet50, ResNet101, ChexNet, InceptionV3,
Vgg19, DenseNet201, SqueezeNet, and MobileNet), which were used for transfer
learning from their pre-trained initial weights and trained, validated and
tested for classifying TB and non-TB normal cases. Three different experiments
were carried out in this work: segmentation of X-ray images using two different
U-net models, classification using X-ray images, and segmented lung images. The
accuracy, precision, sensitivity, F1-score, specificity in the detection of
tuberculosis using X-ray images were 97.07 %, 97.34 %, 97.07 %, 97.14 % and
97.36 % respectively. However, segmented lungs for the classification
outperformed than whole X-ray image-based classification and accuracy,
precision, sensitivity, F1-score, specificity were 99.9 %, 99.91 %, 99.9 %,
99.9 %, and 99.52 % respectively. The paper also used a visualization technique
to confirm that CNN learns dominantly from the segmented lung regions results
in higher detection accuracy. The proposed method with state-of-the-art
performance can be useful in the computer-aided faster diagnosis of
tuberculosis.
- Abstract（参考訳）: 結核(英: tuberculosis、TB)は、細菌感染による慢性肺疾患であり、死因の上位10の1つである。
TBの正確な検出と早期検出は極めて重要であり、そうでなければ生命を脅かす可能性がある。
本研究では,胸部x線画像から画像前処理,データ拡張,画像分割,ディープラーニング分類技術を用いて確実にtbを検出した。
いくつかの公開データベースを用いて700TBの感染と3500の正常な胸部X線画像のデータベースを構築した。
9つの異なるCNN(ResNet18、ResNet50、ResNet101、ChexNet、InceptionV3、Vgg19、DenseNet201、SqueezeNet、MobileNet)は、事前訓練された初期重みからの学習に使用され、TBおよび非TBの正常ケースの分類のために訓練され、検証され、テストされた。
2つの異なるu-netモデルを用いたx線画像のセグメンテーション, x線画像を用いた分類, 肺画像のセグメンテーションの3つの実験を行った。
X線画像による結核検出の精度,精度,感度,F1スコア,特異度はそれぞれ97.07 %,97.34 %,97.07 %,97.14 %,97.36 %であった。
しかしながら、X線画像全体の分類と精度、精度、感度、F1スコア、特異性は99.9%、99.91%、99.9%、99.52%よりも優れていた。
また, 肺の分節領域からCNNが学習し, 高い検出精度が得られることを確認するために, 可視化技術を用いた。
提案手法は, 結核の早期診断に有用である。
関連論文リスト
- Few-Shot Learning Approach on Tuberculosis Classification Based on Chest X-Ray Images [0.0]
TB胸部X線データセットのクラス不均衡は、正確な分類の課題である。
本稿では,この問題に対処するために,プロトタイプネットワークアルゴリズムを用いた数ショットの学習手法を提案する。
実験の結果、ResNet-18の98.93%、ResNet-50の98.60%、VGG16の33.33%の分類精度が確認された。
論文 参考訳（メタデータ） (2024-09-18T02:15:01Z) - Attention-based Saliency Maps Improve Interpretability of Pneumothorax
Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。
ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。
ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文 参考訳（メタデータ） (2023-03-03T12:05:41Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z) - Deep Learning Methods for Screening Pulmonary Tuberculosis Using Chest
X-rays [0.974672460306765]
提案したディープラーニングパイプラインは,肺X線の生成,分画,分類を行う,最先端の3つのアーキテクチャの異なる状態で構成されている。
分類精度は97.1% (Youden's index-0.941, Sensitivity of 97.9%, specificity of 96.2%) となり,既存の文献と比較してかなり改善された。
論文 参考訳（メタデータ） (2020-12-25T14:21:35Z) - Sensitivity and Specificity Evaluation of Deep Learning Models for
Detection of Pneumoperitoneum on Chest Radiographs [0.8437813529429724]
最先端のディープラーニングモデル(ResNet101、InceptionV3、DenseNet161、ResNeXt101)は、このデータセットのサブセットでトレーニングされた。
DenseNet161モデルは、異なるイメージングシステムから無線画像の正確な分類を可能にした。
論文 参考訳（メタデータ） (2020-10-17T21:41:53Z) - Improving performance of CNN to predict likelihood of COVID-19 using
chest X-ray images with preprocessing algorithms [0.3180570080674292]
本研究は,胸部X線画像のコンピュータ支援診断手法の開発の可能性を示した。
8,474個の胸部X線画像のデータセットを使用して、CNNベースのCADスキームをトレーニングし、テストする。
検査結果は、3つのクラスを分類する際の総合的精度の94.0%、コビッドウイルスの感染者を検出する際の精度の98.6%を達成している。
論文 参考訳（メタデータ） (2020-06-11T16:45:46Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z) - Classification of COVID-19 in chest X-ray images using DeTraC deep
convolutional neural network [6.381149074212898]
胸部X線は、新型コロナウイルスの診断に重要な役割を果たす最初のイメージング技術である。
大規模な注釈付き画像データセットの高可用性のため、画像認識と分類のために畳み込みニューラルネットワーク(CNN)を使用して大きな成功を収めている。
トランスファーラーニングのおかげで、汎用オブジェクト認識タスクからドメイン固有のタスクに知識を移すことで、有望なソリューションを提供することができる。
論文 参考訳（メタデータ） (2020-03-26T15:18:45Z)
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。