論文の概要: Class dependency based learning using Bi-LSTM coupled with the transfer
learning of VGG16 for the diagnosis of Tuberculosis from chest x-rays
- arxiv url: http://arxiv.org/abs/2108.04329v1
- Date: Mon, 19 Jul 2021 15:13:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-15 11:29:22.183878
- Title: Class dependency based learning using Bi-LSTM coupled with the transfer
learning of VGG16 for the diagnosis of Tuberculosis from chest x-rays
- Title（参考訳）: Bi-LSTMを用いたクラス依存型学習とVGG16の転写学習の併用による胸部X線結核診断
- Authors: G Jignesh Chowdary, Suganya G, Premalatha M, Karunamurthy K
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Tuberculosis is an infectious disease that is leading to the death of
millions of people across the world. The mortality rate of this disease is high
in patients suffering from immuno-compromised disorders. The early diagnosis of
this disease can save lives and can avoid further complications. But the
diagnosis of TB is a very complex task. The standard diagnostic tests still
rely on traditional procedures developed in the last century. These procedures
are slow and expensive. So this paper presents an automatic approach for the
diagnosis of TB from posteroanterior chest x-rays. This is a two-step approach,
where in the first step the lung regions are segmented from the chest x-rays
using the graph cut method, and then in the second step the transfer learning
of VGG16 combined with Bi-directional LSTM is used for extracting high-level
discriminative features from the segmented lung regions and then classification
is performed using a fully connected layer. The proposed model is evaluated
using data from two publicly available databases namely Montgomery Country set
and Schezien set. The proposed model achieved accuracy and sensitivity of
97.76%, 97.01% and 96.42%, 94.11% on Schezien and Montgomery county datasets.
This model enhanced the diagnostic accuracy of TB by 0.7% and 11.68% on
Schezien and Montgomery county datasets.
- Abstract（参考訳）: 結核は感染症であり、世界中で何百万人もの人が死亡している。
この疾患の死亡率は、免疫不全症患者で高い。
この病気の早期診断は命を救うことができ、さらなる合併症を避けることができる。
しかし、tbの診断は非常に複雑な作業である。
標準的な診断検査は、前世紀に開発された伝統的な手順に依存している。
これらの手順は遅くて高価です。
そこで本稿では胸部x線からtbを自動診断する手法を提案する。
第1段階では、グラフカット法を用いて胸部x線から肺領域を分割し、第2段階では、vgg16と双方向lstmを併用した転送学習を用いて、分割肺領域から高レベルな判別特徴を抽出し、その後、完全連結層を用いて分類する2段階のアプローチである。
提案モデルはモンゴメリー・カントリー・セットとシェジエン・セットという2つの公開データベースのデータを用いて評価する。
提案モデルは97.76%、97.01%、96.42%、94.11%の精度と感度を達成している。
このモデルは、シェジエン郡とモンゴメリー郡のデータセットでTBの診断精度を0.7%と11.68%向上させた。
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) - 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 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) - Computer-aided Tuberculosis Diagnosis with Attribute Reasoning
Assistance [58.01014026139231]
新しい大規模結核(TB)胸部X線データセット(TBX-Att)を提案する。
属性情報を利用してTBの分類とローカライズを行うための属性支援弱教師付きフレームワークを構築した。
提案モデルはTBX-Attデータセットで評価され,今後の研究の確かなベースラインとして機能する。
論文 参考訳（メタデータ） (2022-07-01T07:50:35Z) - Multi-Label Classification of Thoracic Diseases using Dense Convolutional Network on Chest Radiographs [0.0]
そこで本研究では,1回の検査で複数の病態を検出できる多ラベル疾患予測モデルを提案する。
提案モデルでは,AUCスコアが0.896であった。
論文 参考訳（メタデータ） (2022-02-08T00:43:57Z) - Probabilistic combination of eigenlungs-based classifiers for COVID-19
diagnosis in chest CT images [6.1020196190084555]
新型コロナウイルスの感染者数は1億人以上で、2400万人以上が死亡している。
胸部X線(CXR)や胸部CT(CCT)などの医療画像の使用は、優れたソリューションであることが証明されています。
肺炎パターンを同定するために,確率的支援ベクトルマシン(SVM)に基づくアンサンブル分類器を提案する。
論文 参考訳（メタデータ） (2021-03-04T11:30:38Z) - Deep Learning Methods for Screening Pulmonary Tuberculosis Using Chest
X-rays [0.974672460306765]
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。
論文 参考訳（メタデータ） (2020-12-25T14:21:35Z) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z)
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。