論文の概要: RespireNet: A Deep Neural Network for Accurately Detecting Abnormal Lung
Sounds in Limited Data Setting
- arxiv url: http://arxiv.org/abs/2011.00196v2
- Date: Fri, 7 May 2021 14:31:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 05:20:44.561756
- Title: RespireNet: A Deep Neural Network for Accurately Detecting Abnormal Lung
Sounds in Limited Data Setting
- Title（参考訳）: RespireNet: 限られたデータ設定で異常肺音を正確に検出するディープニューラルネットワーク
- Authors: Siddhartha Gairola, Francis Tom, Nipun Kwatra, Mohit Jain
- Abstract要約: 我々は,小型データセットを効率的に利用する新しい手法とともに,単純なCNNベースのモデルを提案する。
我々は4クラス分類における最先端の成績を2.2%改善した。
- 参考スコア（独自算出の注目度）: 9.175146418979324
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Auscultation of respiratory sounds is the primary tool for screening and
diagnosing lung diseases. Automated analysis, coupled with digital
stethoscopes, can play a crucial role in enabling tele-screening of fatal lung
diseases. Deep neural networks (DNNs) have shown a lot of promise for such
problems, and are an obvious choice. However, DNNs are extremely data hungry,
and the largest respiratory dataset ICBHI has only 6898 breathing cycles, which
is still small for training a satisfactory DNN model. In this work, RespireNet,
we propose a simple CNN-based model, along with a suite of novel techniques --
device specific fine-tuning, concatenation-based augmentation, blank region
clipping, and smart padding -- enabling us to efficiently use the small-sized
dataset. We perform extensive evaluation on the ICBHI dataset, and improve upon
the state-of-the-art results for 4-class classification by 2.2%
- Abstract（参考訳）: 呼吸音の聴取は肺疾患のスクリーニングと診断の第一の手段である。
自動分析とデジタル聴診器は、致命的な肺疾患の遠隔スクリーニングを可能にする重要な役割を担っている。
ディープニューラルネットワーク(DNN)はそのような問題に対して多くの可能性を示しており、明らかな選択である。
しかし、DNNは極めてデータ不足であり、最大の呼吸データセットICBHIは6898回の呼吸サイクルしか持たない。
In this work, RespireNet, we propose a simple CNN-based model, with a suite of novel techniques -device specific fine-tuning, concatenation-based augmentation, blank region clipping, and smart padding -- これにより、小さなデータセットを効率的に使用できる。
ICBHIデータセットを広範囲に評価し、4クラス分類における最先端の成果を2.2%改善する。
関連論文リスト
- 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) - AWEU-Net: An Attention-Aware Weight Excitation U-Net for Lung Nodule
Segmentation [10.424363966870773]
肺がんは致命的ながんであり、毎年何百万人もの死者を出している。
既存のシステムのほとんどは半自動化されており、手動で肺と結節領域を選択する必要がある。
深層学習に基づく完全自動肺結節検出・分節システムを提案する。
論文 参考訳（メタデータ） (2021-10-11T10:35:44Z) - Crackle Detection In Lung Sounds Using Transfer Learning And Multi-Input
Convolitional Neural Networks [26.399917342840265]
肺音のクラックル検出における記録設定のミスマッチに対処するために,転送学習を用いる。
単一の入力畳み込みニューラルネットワーク(CNN)モデルは、肺音の最大の公開データベースであるIBHI 2017を使用して、ソースドメインで事前に訓練されます。
マルチインプットモデルは, クラックや正常な肺音を分類するために, 自己収集肺音データベースのターゲット領域に微調整される。
論文 参考訳（メタデータ） (2021-04-30T11:32:42Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural
Networks [68.8204255655161]
私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。
最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
論文 参考訳（メタデータ） (2020-12-29T01:14:17Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Deep LF-Net: Semantic Lung Segmentation from Indian Chest Radiographs
Including Severely Unhealthy Images [5.826056983051642]
胸部X線写真(胸部X線、CxR)は、様々な肺疾患の診断において重要な役割を担っている。
正確な肺分画は、健康問題、年齢、性別による肺の形状のばらつきから非常に困難である。
提案研究は,CxRからの肺の正確な分画に対する効率的な深部畳み込みニューラルネットワークの使用について検討した。
論文 参考訳（メタデータ） (2020-11-19T07:21:02Z) - Deep Time Delay Neural Network for Speech Enhancement with Full Data
Learning [60.20150317299749]
本稿では,全データ学習による音声強調のためのディープタイム遅延ニューラルネットワーク(TDNN)を提案する。
トレーニングデータを完全に活用するために,音声強調のための完全なデータ学習手法を提案する。
論文 参考訳（メタデータ） (2020-11-11T06:32:37Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Deep Neural Network for Respiratory Sound Classification in Wearable
Devices Enabled by Patient Specific Model Tuning [2.8935588665357077]
メル・スペクトログラムに基づく呼吸音を分類する深層CNN-RNNモデルを提案する。
また、まず呼吸器患者をスクリーニングし、次いで患者固有の分類モデルを構築する患者特化モデルチューニング戦略を実装した。
The proposed hybrid CNN-RNN model achieves 66.31% on four-class classification of breath cycles for ICBHI'17 scientific challenge respiratory sound database。
論文 参考訳（メタデータ） (2020-04-16T15:42:58Z) - Hybrid Deep Learning for Detecting Lung Diseases from X-ray Images [0.0]
本稿では,VGG,データ拡張,空間ネットワーク(STN)とCNNを組み合わせたハイブリッドディープラーニングフレームワークを提案する。
VDSNetは、精度、リコール、F0.5スコア、バリデーションの正確さなど、既存の手法よりも優れている。
論文 参考訳（メタデータ） (2020-03-02T06:07:30Z)
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。