論文の概要: Deep Learning Methods for Screening Pulmonary Tuberculosis Using Chest X-rays

• arxiv url: http://arxiv.org/abs/2012.13582v1
• Date: Fri, 25 Dec 2020 14:21:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 04:35:24.285096
• Title: Deep Learning Methods for Screening Pulmonary Tuberculosis Using Chest X-rays
• Title（参考訳）: 胸部x線を用いた肺結核検診の深部学習法
• Authors: Chirath Dasanayakaa and Maheshi Buddhinee Dissanayake
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.974672460306765
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Tuberculosis (TB) is a contagious bacterial airborne disease, and is one of the top 10 causes of death worldwide. According to the World Health Organization (WHO), around 1.8 billion people are infected with TB and 1.6 million deaths were reported in 2018. More importantly,95% of cases and deaths were from developing countries. Yet, TB is a completely curable disease through early diagnosis. To achieve this goal one of the key requirements is efficient utilization of existing diagnostic technologies, among which chest X-ray is the first line of diagnostic tool used for screening for active TB. The presented deep learning pipeline consists of three different state of the art deep learning architectures, to generate, segment and classify lung X-rays. Apart from this image preprocessing, image augmentation, genetic algorithm based hyper parameter tuning and model ensembling were used to to improve the diagnostic process. We were able to achieve classification accuracy of 97.1% (Youden's index-0.941,sensitivity of 97.9% and specificity of 96.2%) which is a considerable improvement compared to the existing work in the literature. In our work, we present an highly accurate, automated TB screening system using chest X-rays, which would be helpful especially for low income countries with low access to qualified medical professionals.
• Abstract（参考訳）: 結核 (tb) は細菌の感染症であり、世界でもトップ10の死因の1つである。 世界保健機関(WHO)によると、2018年に約18億人がTBに感染し、60万人の死者が報告された。 さらに重要なことに、95%の症例と死亡は発展途上国からのものである。 しかし,TBは早期診断による完全治癒性疾患である。 この目標を達成するための重要な要件のひとつは、胸部x線がアクティブなtbのスクリーニングに使用される診断ツールの最初のラインである既存の診断技術の効率的な利用である。 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。 この画像前処理とは別に、画像拡張、遺伝的アルゴリズムに基づくハイパーパラメータチューニング、モデルアンサンブルを用いて診断プロセスを改善した。 分類精度は97.1%(ヨーデンの指数0.941、感度97.9%、特異性96.2%)となり、文献に残されているものに比べてかなり向上した。 そこで本研究では,胸部x線を用いた高精度なtb検診システムを提案する。

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)
• Advancing Diagnostic Precision: Leveraging Machine Learning Techniques for Accurate Detection of Covid-19, Pneumonia, and Tuberculosis in Chest X-Ray Images [0.0]
  新型コロナウイルス、結核(TB)、肺炎などの肺疾患は、依然として深刻な世界的な健康上の問題となっている。 救急医療と科学者は、早期の新型コロナウイルス(COVID-19)の診断に信頼性と正確なアプローチを作成するために、集中的に取り組んでいる。
  論文  参考訳（メタデータ） (2023-10-09T18:38:49Z)
• 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)
• Class dependency based learning using Bi-LSTM coupled with the transfer learning of VGG16 for the diagnosis of Tuberculosis from chest x-rays [0.0]
  本稿では,後部胸部X線検査からTBの診断を自動で行う方法を提案する。 提案されたモデルは97.76%、97.01%、96.42%、94.11%の精度と感度を達成した。
  論文  参考訳（メタデータ） (2021-07-19T15:13:46Z)
• 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)
• Reliable Tuberculosis Detection using Chest X-ray with Deep Learning, Segmentation and Visualization [0.0]
  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。
  論文  参考訳（メタデータ） (2020-07-29T15:11:34Z)
• Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
  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。
  論文  参考訳（メタデータ） (2020-05-28T10:54:34Z)
• 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)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)

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。