論文の概要: Deep Learning for Automated Screening of Tuberculosis from Indian Chest
X-rays: Analysis and Update
- arxiv url: http://arxiv.org/abs/2011.09778v1
- Date: Thu, 19 Nov 2020 11:34:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 21:45:40.929441
- Title: Deep Learning for Automated Screening of Tuberculosis from Indian Chest
X-rays: Analysis and Update
- Title（参考訳）: インド胸部x線からの結核検診における深層学習 : 解析と更新
- Authors: Anushikha Singh, Brejesh Lall, B.K. Panigrahi, Anjali Agrawal, Anurag
Agrawal, Balamugesh Thangakunam, DJ Christopher
- Abstract要約: 結核(TB)は公衆衛生上の重要な問題であり、世界中で死因となっている。
TB患者の早期診断と治療が成功すれば、数百万人の死亡を回避できる。
- 参考スコア（独自算出の注目度）: 5.826056983051642
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background and Objective: Tuberculosis (TB) is a significant public health
issue and a leading cause of death worldwide. Millions of deaths can be averted
by early diagnosis and successful treatment of TB patients. Automated diagnosis
of TB holds vast potential to assist medical experts in expediting and
improving its diagnosis, especially in developing countries like India, where
there is a shortage of trained medical experts and radiologists. To date,
several deep learning based methods for automated detection of TB from chest
radiographs have been proposed. However, the performance of a few of these
methods on the Indian chest radiograph data set has been suboptimal, possibly
due to different texture of the lungs on chest radiographs of Indian subjects
compared to other countries. Thus deep learning for accurate and automated
diagnosis of TB on Indian datasets remains an important subject of research.
Methods: The proposed work explores the performance of convolutional neural
networks (CNNs) for the diagnosis of TB in Indian chest x-ray images. Three
different pre-trained neural network models, AlexNet, GoogLenet, and ResNet are
used to classify chest x-ray images into healthy or TB infected. The proposed
approach does not require any pre-processing technique. Also, other works use
pre-trained NNs as a tool for crafting features and then apply standard
classification techniques. However, we attempt an end to end NN model based
diagnosis of TB from chest x-rays. The proposed visualization tool can also be
used by radiologists in the screening of large datasets. Results: The proposed
method achieved 93.40% accuracy with 98.60% sensitivity to diagnose TB for the
Indian population. Conclusions: The performance of the proposed method is also
tested against techniques described in the literature. The proposed method
outperforms the state of art on Indian and Shenzhen datasets.
- Abstract（参考訳）: 背景と目的 結核(TB)は公衆衛生上の重要な問題であり、世界中の死因である。
TB患者の早期診断と治療が成功すれば、数百万人の死亡を回避できる。
TBの自動診断は、医学専門家や放射線技師が不足しているインドなどの先進国において、診断の迅速化と改善を支援する大きな可能性を秘めている。
これまで,胸部X線写真からTBの自動検出のための深層学習手法が提案されてきた。
しかし,インドの胸部X線写真データセットでは,肺のテクスチャが他国と比較して異なるため,これらの手法のいくつかの性能が最適以下であることが示唆された。
したがって、インドのデータセット上でのTBの正確かつ自動診断のための深層学習は重要な研究課題である。
方法:インドの胸部X線画像におけるTB診断のための畳み込みニューラルネットワーク(CNN)の性能について検討した。
AlexNet、GoogLenet、ResNetの3つの異なるトレーニング済みニューラルネットワークモデルを使用して、胸部X線画像を健康またはTB感染に分類する。
提案手法は前処理技術を必要としない。
また、事前訓練されたNNを機能開発ツールとして使用し、標準分類技術を適用する研究もある。
しかし,胸部x線からtbを診断し,エンドツーエンドnnモデルを試みる。
提案された可視化ツールは、大規模なデータセットのスクリーニングにおいて、放射線技師によっても使用できる。
結果: 提案手法はインド人住民のTBの診断に98.60%の感度で93.40%の精度を達成した。
結論: 文献に記載された手法に対して,提案手法の性能を検証した。
提案手法は,インドや深センのデータセット上でのアートの状態を上回ります。
関連論文リスト
- Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。
本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。
ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
論文 参考訳（メタデータ） (2024-06-19T18:10:06Z) - Early Detection of Tuberculosis with Machine Learning Cough Audio
Analysis: Towards More Accessible Global Triaging Usage [0.0]
TB診断のための現在の金の基準は遅いかアクセス不能である。
現在の機械学習(ML)診断研究は、胸部X線写真の利用と同様に効果がない。
新たなMLアーキテクチャを用いて,スマートフォンからコーズの音響疫学を解析するアンサンブルモデルを開発した。
結果は15秒以内に提供され、モバイルアプリから簡単にアクセスできる。
論文 参考訳（メタデータ） (2023-10-25T23:22:20Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳（メタデータ） (2023-06-02T01:46:31Z) - 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) - 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) - 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) - 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) - Learning Invariant Feature Representation to Improve Generalization
across Chest X-ray Datasets [55.06983249986729]
我々は、トレーニングデータと同じデータセットでテストすると、ディープラーニングモデルが、異なるソースからデータセットでテストされると、パフォーマンスが低下し始めることを示す。
対戦型トレーニング戦略を用いることで、ネットワークはソース不変表現を学習せざるを得ないことを示す。
論文 参考訳（メタデータ） (2020-08-04T07:41:15Z) - Evaluation of Contemporary Convolutional Neural Network Architectures
for Detecting COVID-19 from Chest Radiographs [0.0]
胸部X線写真解析のための3つのモデルアーキテクチャを,様々な条件下で訓練し,評価した。
本稿では,現代の研究によって提案された印象的なモデル性能を低下させる問題を見いだす。
論文 参考訳（メタデータ） (2020-06-30T15:22:39Z) - CheXpedition: Investigating Generalization Challenges for Translation of
Chest X-Ray Algorithms to the Clinical Setting [4.781964929315763]
我々は、CheXpertチャレンジリーダーボードの上位10のモデルのパフォーマンスについて検討する。
その結果,トップ10の胸部X線モデルでは,2つのパブリックTBデータセット上でTBを検出するタスクにおいて平均0.851のAUCが得られることがわかった。
第2に、X線写真におけるモデルの平均性能(AUC = 0.916)は、元の胸部X線画像と類似していることが判明した。
第三に、外部データセットでテストされたモデルが、放射線学者の平均的な性能と互換性があるか、超えるかのどちらかであることがわかった。
論文 参考訳（メタデータ） (2020-02-26T09:44:21Z)
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。