論文の概要: Design to automate the detection and counting of Tuberculosis(TB)
bacilli
- arxiv url: http://arxiv.org/abs/2105.11432v1
- Date: Mon, 24 May 2021 17:41:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 16:46:38.763783
- Title: Design to automate the detection and counting of Tuberculosis(TB)
bacilli
- Title（参考訳）: 結核(tb)菌の検出と計数を自動化するための設計
- Authors: Dinesh Jackson Samuel and Rajesh Kanna Baskaran
- Abstract要約: 世界保健機関(WHO)は結核の早期診断に標準的な顕微鏡検査を推奨している。
顕微鏡で、技術者は、どんなTBバシリの存在でも、スミアの視野(FOV)を調べる。
結核菌の検出のためのコンピュータ支援システムを提案し, 感度と特異性の向上を図った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Tuberculosis is a contagious disease which is one of the leading causes of
death, globally. The general diagnosis methods for tuberculosis include
microscopic examination, tuberculin skin test, culture method, enzyme linked
immunosorbent assay (ELISA) and electronic nose system. World Health
Organization (WHO) recommends standard microscopic examination for early
diagnosis of tuberculosis. In microscopy, the technician examines field of
views (FOVs) in sputum smear for presence of any TB bacilli and counts the
number of TB bacilli per FOV to report the level of severity. This process is
time consuming with an increased concentration for an experienced staff to
examine a single sputum smear. The examination demands for skilled technicians
in high-prevalence countries which may lead to overload, fatigue and diminishes
the quality of microscopy. Thus, a computer assisted system is proposed and
designed for the detection of tuberculosis bacilli to assist pathologists with
increased sensitivity and specificity. The manual efforts in detecting and
counting the number of TB bacilli is greatly minimized. The system obtains
Ziehl-Neelsen stained microscopic images from conventional microscope at 100x
magnification and passes the data to the detection system. Initially the
segmentation of TB bacilli was done using RGB thresholding and Sauvola's
adaptive thresholding algorithm. To eliminate the non-TB bacilli from coarse
level segmentation, shape descriptors like area, perimeter, convex hull, major
axis length and eccentricity are used to extract only the TB bacilli features.
Finally, the TB bacilli are counted using the generated bounding boxes to
report the level of severity.
- Abstract（参考訳）: 結核は感染性疾患であり、世界でも主要な死因の一つである。
結核の一般的な診断方法は、顕微鏡検査、結核皮膚検査、培養方法、酵素結合免疫測定法(ELISA)および電子鼻システムである。
世界保健機関(WHO)は結核の早期診断に標準的な顕微鏡検査を推奨している。
顕微鏡検査では,スプートゥムスメアの視野 (fov) をtb bacilli の存在条件として検討し,fov 当たり tb bacilli 数を数えて重症度を報告した。
このプロセスは、経験豊富なスタッフが1本のスミアを検査するのに、集中度が高くなる時間を要する。
高評価国の熟練技術者は、過負荷、疲労、顕微鏡の質低下につながる可能性がある。
そこで, 結核菌の検出のためのコンピュータ支援システムを提案し, 感度と特異性の向上を図った。
TBバシリの数を検出・カウントする手作業は、大幅に最小化されている。
従来の顕微鏡から100倍の倍率でziehl-neelsen染色顕微鏡画像を取得し、検出システムへ送信する。
当初、TBバシリのセグメンテーションはRGBしきい値とソーヴォーラの適応しきい値アルゴリズムを用いて行われた。
非TBバシリを粗いレベルセグメンテーションから除去するために、TBバシリの特徴のみを抽出するために、面積、周縁、凸殻、主軸長及び偏心性などの形状記述子を用いる。
最後に、生成した境界ボックスを用いてTBバシリをカウントして重大度を報告する。
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) - 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 learning-based lung segmentation and automatic regional template in
chest X-ray images for pediatric tuberculosis [0.0]
臨床実習における胸部X線検査(CXR)によるTB評価
人工知能が支援するコンピュータ支援診断システムは、経験豊富な放射線科医のTB読取に匹敵する性能を示した。
小児CXR画像から肺・縦隔領域を自動的に局所化し抽出することを目的とした多視点深層学習ソリューションを提案する。
論文 参考訳（メタデータ） (2023-01-31T17:33:35Z) - 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) - 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) - Prediction of Tuberculosis using U-Net and segmentation techniques [2.1396905301368574]
本研究の目的は、MODS法およびレンズレス顕微鏡を用いて結核の診断を容易かつ自動化することである。
収集したデータセットにu-netネットワークを用い,コード形状細菌集積の自動セグメント化を行い,結核の予測を行った。
論文 参考訳（メタデータ） (2021-04-02T14:35:00Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - Automatic semantic segmentation for prediction of tuberculosis using
lens-free microscopy images [1.4190701053683017]
本研究はMODS法により結核の診断を容易かつ自動化することを目的としている。
収集したデータセットにU-Netネットワークを用い,結核の予測にTBコードの自動セグメンテーションを行う。
論文 参考訳（メタデータ） (2020-07-06T00:36:44Z)
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。