論文の概要: Inception-Based Network and Multi-Spectrogram Ensemble Applied For Predicting Respiratory Anomalies and Lung Diseases

• arxiv url: http://arxiv.org/abs/2012.13699v1
• Date: Sat, 26 Dec 2020 08:25:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 01:05:46.585506
• Title: Inception-Based Network and Multi-Spectrogram Ensemble Applied For Predicting Respiratory Anomalies and Lung Diseases
• Title（参考訳）: 肺疾患と呼吸器疾患の予知に応用したインセプションベースネットワークとマルチスペクトログラム
• Authors: Lam Pham, Huy Phan, Ross King, Alfred Mertins, Ian McLoughlin
• Abstract要約: 本稿では,呼吸音入力を用いた肺疾患検出のためのインセプションベースディープニューラルネットワークを提案する。 患者から収集された呼吸音の記録はスペクトログラムに変換され、スペクトル情報と時間情報の両方が提示される。 これらのスペクトログラムは、肺関連疾患に罹患する患者を検出するために、バックエンド分類と呼ばれる提案されたネットワークに供給される。
• 参考スコア（独自算出の注目度）: 16.318395700171624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an inception-based deep neural network for detecting lung diseases using respiratory sound input. Recordings of respiratory sound collected from patients are firstly transformed into spectrograms where both spectral and temporal information are well presented, referred to as front-end feature extraction. These spectrograms are then fed into the proposed network, referred to as back-end classification, for detecting whether patients suffer from lung-relevant diseases. Our experiments, conducted over the ICBHI benchmark meta-dataset of respiratory sound, achieve competitive ICBHI scores of 0.53/0.45 and 0.87/0.85 regarding respiratory anomaly and disease detection, respectively.
• Abstract（参考訳）: 本稿では,呼吸音入力を用いた肺疾患検出のためのインセプションベースディープニューラルネットワークを提案する。 患者から収集された呼吸音の記録は、まずスペクトル情報と時間情報の両方がよく提示される分光器に変換される。 これらのスペクトログラムは、肺関連疾患に罹患する患者を検出するために、バックエンド分類と呼ばれる提案されたネットワークに供給される。 呼吸音のicbhiベンチマークメタデータセットを用いて, 呼吸異常と疾患検出に関して, それぞれ0.53/0.45 と 0.87/0.85 の競合 icbhiスコアを達成する実験を行った。

関連論文リスト

• Using BOLD-fMRI to Compute the Respiration Volume per Time (RTV) and Respiration Variation (RV) with Convolutional Neural Networks (CNN) in the Human Connectome Development Cohort [55.41644538483948]
  本研究では, RVとRVTの2つの呼吸対策を再現するための1次元CNNモデルを提案する。 その結果、CNNはBOLD信号の静止から情報的特徴を捉え、現実的なRVとRVTのタイムリーを再構築できることがわかった。
  論文  参考訳（メタデータ） (2023-07-03T18:06:36Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
  本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
  論文  参考訳（メタデータ） (2021-05-06T10:21:28Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• Sleep Apnea and Respiratory Anomaly Detection from a Wearable Band and Oxygen Saturation [1.2291501047353484]
  シンプルで使いやすいデバイスから睡眠時無呼吸を自動的に検出するより便利な方法のための一般的な医学とクリティカルケアの必要性があります。 本研究の目的は, 呼吸異常を自動検出し, Apnea-Hypopnea-Index (AHI) をウェアラブル呼吸装置で推定することである。 4つのモデルが訓練された:1つは呼吸機能のみを使用し、1つはSpO2(%)信号のみから、もう1つは呼吸機能とSpO2(%)機能を使用する2つの追加モデルである。
  論文  参考訳（メタデータ） (2021-02-24T02:04:57Z)
• Deep Learning Framework Applied for Predicting Anomaly of Respiratory Sounds [11.375037967010224]
  本稿では,呼吸周期異常の分類に用いる堅牢な深層学習フレームワークを提案する。 本研究では、2017年度のバイオメディカルヘルスインフォマティクス(ICBHI)ベンチマークデータセットに関する内部会議で実験を行った。
  論文  参考訳（メタデータ） (2020-12-26T03:09:36Z)
• 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)
• Multispectral Video Fusion for Non-contact Monitoring of Respiratory Rate and Apnea [7.300192965401497]
  呼吸の非接触モニタリングは、近赤外線と遠赤外線のスペクトルカメラで達成できる。 本研究では,無呼吸時の呼吸速度(RR)を推定する多スペクトルデータ融合に基づく新しいアルゴリズムを提案する。 本研究は,医療応用におけるサインモニタリングにおけるカメラの活用に向けての一歩となる可能性がある。
  論文  参考訳（メタデータ） (2020-04-21T09:07:09Z)
• CNN-MoE based framework for classification of respiratory anomalies and lung disease detection [33.45087488971683]
  本稿では,聴取分析のための頑健な深層学習フレームワークを提示し,検討する。 呼吸周期の異常を分類し、呼吸音の記録から病気を検出することを目的としている。
  論文  参考訳（メタデータ） (2020-04-04T21:45:06Z)
• Robust Deep Learning Framework For Predicting Respiratory Anomalies and Diseases [26.786743524562322]
  本稿では,呼吸音の記録から呼吸器疾患を検出するための,堅牢な深層学習フレームワークを提案する。 バックエンドのディープラーニングモデルは、特徴を呼吸器疾患または異常のクラスに分類する。 ICBHIベンチマークを用いて実験を行い, 音の分類能力を評価する。
  論文  参考訳（メタデータ） (2020-01-21T15:26:52Z)

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。