論文の概要: Classification of COVID-19 in Chest X-ray Images Using Fusion of Deep
Features and LightGBM
- arxiv url: http://arxiv.org/abs/2206.04548v1
- Date: Thu, 9 Jun 2022 14:56:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-10 20:03:06.266616
- Title: Classification of COVID-19 in Chest X-ray Images Using Fusion of Deep
Features and LightGBM
- Title（参考訳）: 深部像と光GBMの融合による胸部X線画像中のCOVID-19の分類
- Authors: Hamid Nasiri, Ghazal Kheyroddin, Morteza Dorrigiv, Mona Esmaeili, Amir
Raeisi Nafchi, Mohsen Haji Ghorbani, Payman Zarkesh-Ha
- Abstract要約: 本稿では,本論文で報告されている他の手法よりも高速かつ高精度な新しい手法を提案する。
提案手法はDenseNet169とMobileNet Deep Neural Networksを組み合わせて患者のX線画像の特徴を抽出する。
この方法は2クラス(COVID-19、Healthy)と複数クラス(COVID-19、Healthy、Pneumonia)で98.54%と91.11%の精度を達成した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The COVID-19 disease was first discovered in Wuhan, China, and spread quickly
worldwide. After the COVID-19 pandemic, many researchers have begun to identify
a way to diagnose the COVID-19 using chest X-ray images. The early diagnosis of
this disease can significantly impact the treatment process. In this article,
we propose a new technique that is faster and more accurate than the other
methods reported in the literature. The proposed method uses a combination of
DenseNet169 and MobileNet Deep Neural Networks to extract the features of the
patient's X-ray images. Using the univariate feature selection algorithm, we
refined the features for the most important ones. Then we applied the selected
features as input to the LightGBM (Light Gradient Boosting Machine) algorithm
for classification. To assess the effectiveness of the proposed method, the
ChestX-ray8 dataset, which includes 1125 X-ray images of the patient's chest,
was used. The proposed method achieved 98.54% and 91.11% accuracies in the
two-class (COVID-19, Healthy) and multi-class (COVID-19, Healthy, Pneumonia)
classification problems, respectively. It is worth mentioning that we have used
Gradient-weighted Class Activation Mapping (Grad-CAM) for further analysis.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)は中国武漢で最初に発見され、世界中で急速に広まった。
新型コロナウイルス(COVID-19)のパンデミック後、多くの研究者が胸部X線画像を用いて新型コロナウイルスの診断方法を見つけ始めている。
この疾患の早期診断は治療過程に大きな影響を及ぼす可能性がある。
本稿では,本論文で報告されている他の手法よりも高速かつ高精度な新しい手法を提案する。
提案手法は、drknet169とmobilenet deep neural networksの組み合わせを用いて、患者のx線画像の特徴を抽出する。
単変量特徴選択アルゴリズムを用いて、最も重要な特徴を改良した。
次に、選択した特徴をLightGBM(Light Gradient Boosting Machine)アルゴリズムに入力として適用した。
提案手法の有効性を評価するため,患者の胸部X線画像1125枚を含むChestX-ray8データセットを用いた。
提案手法は2クラス(COVID-19, Healthy, Pneumonia)と多クラス(COVID-19, Healthy, Pneumonia)でそれぞれ98.54%, 91.11%の精度を達成した。
より詳細な分析にGrad-CAM(Grad-weighted Class Activation Mapping)を使用しました。
関連論文リスト
- Performance of GAN-based augmentation for deep learning COVID-19 image
classification [57.1795052451257]
ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。
データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。
本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
論文 参考訳（メタデータ） (2023-04-18T15:39:58Z) - Optimising Chest X-Rays for Image Analysis by Identifying and Removing
Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。
公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。
我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-22T13:57:04Z) - Diagnosis of COVID-19 Cases from Chest X-ray Images Using Deep Neural
Network and LightGBM [0.0]
コロナウイルスは2019年末に中国の武漢で検出され、世界的な感染拡大でパンデミックに繋がった。
本研究では,Deep Neural Networks (DNN) を用いたX線画像からコロナ病の自動診断法を提案する。
論文 参考訳（メタデータ） (2022-03-27T11:01:21Z) - A novel framework based on deep learning and ANOVA feature selection
method for diagnosis of COVID-19 cases from chest X-ray Images [0.0]
新型コロナウイルスは武漢で最初に確認され、急速に世界中に広がった。
最もアクセスしやすい方法はRT-PCRである。
RT-PCRと比較すると,胸部CTと胸部X線像が優れた結果を示した。
DenseNet169はX線画像から特徴を抽出するために使用された。
論文 参考訳（メタデータ） (2021-09-30T16:10:31Z) - Automated detection of COVID-19 cases from chest X-ray images using deep
neural network and XGBoost [0.0]
X線画像から新型コロナウイルスを診断するための新しいアプローチが提案された。
深部神経ネットワークDenseNet169を用いて,患者の胸部X線像の特徴を抽出した。
論文 参考訳（メタデータ） (2021-09-03T13:41:13Z) - Deep learning for COVID-19 diagnosis based feature selection using
binary differential evolution algorithm [1.332091725929965]
新型コロナウイルスは急速に普及しており、多くの人々の命を奪っている。
深層畳み込みニューラルネットワークは、画像の分類に強力なツールである。
提案手法は,X線画像を用いた新型コロナウイルス検出の最近の研究より優れていることが示された。
論文 参考訳（メタデータ） (2021-04-15T07:12:58Z) - Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray
Images [61.24431480245932]
COVID-19 Multi-Task Networkは、新型コロナウイルススクリーニングのためのエンドツーエンドネットワークである。
我々は,ChestXray-14,CheXpertおよび統合型COVID-19データセットから採取した9000個の前頭胸部X線写真から肺領域を手動で注釈した。
このデータベースは研究コミュニティに公開されます。
論文 参考訳（メタデータ） (2020-08-03T12:52:23Z) - PDCOVIDNet: A Parallel-Dilated Convolutional Neural Network Architecture
for Detecting COVID-19 from Chest X-Ray Images [1.4824891788575418]
新型コロナウイルスのパンデミックは、世界保健システムの繁栄を著しく損なわれ続けている。
胸部X線画像による放射線学的評価は,重要なスクリーニング技術の一つである。
胸部X線画像を用いた並列拡散畳み込みニューラルネットワークによる新型コロナウイルス検出システムを提案する。
論文 参考訳（メタデータ） (2020-07-29T12:28:16Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z) - Adaptive Feature Selection Guided Deep Forest for COVID-19
Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。
AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文 参考訳（メタデータ） (2020-05-07T06:00:02Z) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-12T16:24:59Z)
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。