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: 翻訳完了
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。

関連論文リスト

FA-Net: A Fuzzy Attention-aided Deep Neural Network for Pneumonia Detection in Chest X-Rays [28.319405767795047]
肺炎(Pneumonia)は、細菌、真菌、ウイルスによって引き起こされる呼吸器感染症である。早期診断は有効治療の確保と生存率の向上に不可欠である。胸部X線画像を用いた自動肺炎検出のためのコンピュータ支援診断システムを開発した。
論文参考訳（メタデータ） (2024-06-21T13:08:40Z)
Pneumonia Detection on chest X-ray images Using Ensemble of Deep Convolutional Neural Networks [7.232767871756102]
本稿では, 胸部X線画像の診断過程を簡略化するために, EL(Ensemble Learning) と呼ばれるコンピュータ支援型肺炎分類法を提案する。提案手法は,CNNモデルをスクラッチからトレーニングする代わりに,近年,多くの医療タスクのパフォーマンス向上に採用されているCNNモデルである畳み込みニューラルネットワーク(Convolutional Neural Network, CNN)モデルに基づく。提案したELアプローチは他の最先端手法よりも優れており、テスト段階では93.91%、F1スコアは93.88%の精度が得られる。
論文参考訳（メタデータ） (2023-12-13T08:28:21Z)
Prediction of Pneumonia and COVID-19 Using Deep Neural Networks [0.0]
胸部X線画像から肺炎を予測する機械学習手法を提案する。 DenseNet121は他のモデルより優れており、精度は99.58%である。
論文参考訳（メタデータ） (2023-08-20T21:26:37Z)
A Comparison Study of Deep CNN Architecture in Detecting of Pneumonia [0.0]
細菌やウイルスによる呼吸器感染症である肺炎は、多くの人々に影響を及ぼす。画像に基づいて植物病を分類し、その性能をテストするディープ畳み込みニューラルネットワーク。 DenseNet201は、非常に少ないパラメータと妥当な計算時間で最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2022-12-30T14:37:32Z)
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)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文参考訳（メタデータ） (2021-04-06T02:01:43Z)
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)
Transfer Learning with Deep Convolutional Neural Network (CNN) for Pneumonia Detection using Chest X-ray [0.0]
本研究の目的は, 細菌性肺炎とウイルス性肺炎を自動的に検出することである。 CNN(Deep Convolutional Neural Network)には、AlexNet、ResNet18、DenseNet201、SqueezeNetの4種類がある。正常および肺炎像、細菌性およびウイルス性肺炎像の分類精度は、それぞれ98%、95%、93.3%であった。
論文参考訳（メタデータ） (2020-04-14T15:03:48Z)
Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware Anomaly Detection [86.81773672627406]
短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
論文参考訳（メタデータ） (2020-03-27T11:32:18Z)

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。