Fugu-MT 論文翻訳(概要): Predicting Pneumonia and Region Detection from X-Ray Images using Deep Neural Network

論文の概要: Predicting Pneumonia and Region Detection from X-Ray Images using Deep Neural Network

arxiv url: http://arxiv.org/abs/2101.07717v1
Date: Tue, 19 Jan 2021 16:43:05 GMT
ステータス: 処理完了
システム内更新日: 2021-03-23 00:04:17.149610
Title: Predicting Pneumonia and Region Detection from X-Ray Images using Deep Neural Network
Title（参考訳）: 深部ニューラルネットワークを用いたX線画像からの肺炎と領域検出の予測
Authors: Sheikh Md Hanif Hossain, S M Raju and Amelia Ritahani Ismail
Abstract要約: 肺炎は、人の肺気嚢の炎症によって細菌とウイルスの両方によって引き起こされる感染症です。本稿では,X線画像を入力として受信し,この患者が肺炎に罹患しているかどうかを検証するアルゴリズムを提案する。このモデルは90.6パーセントの精度を達成し、モデルの有効性を確認している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Biomedical images are increasing drastically. Along the way, many machine learning algorithms have been proposed to predict and identify various kinds of diseases. One such disease is Pneumonia which is an infection caused by both bacteria and viruses through the inflammation of a person's lung air sacs. In this paper, an algorithm was proposed that receives x-ray images as input and verifies whether this patient is infected by Pneumonia as well as specific region of the lungs that the inflammation has occurred at. The algorithm is based on the transfer learning mechanism where pre-trained ResNet-50 (Convolutional Neural Network) was used followed by some custom layer for making the prediction. The model has achieved an accuracy of 90.6 percent which confirms that the model is effective and can be implemented for the detection of Pneumonia in patients. Furthermore, a class activation map is used for the detection of the infected region in the lungs. Also, PneuNet was developed so that users can access more easily and use the services.
Abstract（参考訳）: 生体画像は劇的に増加しています。その過程で、様々な病気の予測と同定のために、多くの機械学習アルゴリズムが提案されている。そのような病気の1つは、肺気嚢の炎症を通じて細菌とウイルスの両方によって引き起こされる肺炎である。本稿では,X線画像を入力として受信し,この患者が肺炎に罹患しているかどうか,および炎症の発生した肺の特定部位について検証するアルゴリズムを提案する。このアルゴリズムは、事前学習されたresnet-50(convolutional neural network)を使用して予測を行う転送学習メカニズムに基づいている。このモデルは90.6%の精度を達成しており、このモデルが有効であり、患者の肺炎の検出に実装可能であることを確認している。さらに、肺感染部位の検出には、クラス活性化マップを用いる。また、PneuNetはユーザーがより簡単にアクセスでき、サービスを利用できるように開発された。
全文参考訳へのリンク