Fugu-MT 論文翻訳(概要): COVID-19 Disease Identification on Chest-CT images using CNN and VGG16

論文の概要: COVID-19 Disease Identification on Chest-CT images using CNN and VGG16

arxiv url: http://arxiv.org/abs/2207.04212v1
Date: Sat, 9 Jul 2022 07:20:15 GMT
ステータス: 処理完了
システム内更新日: 2022-07-13 11:26:14.159492
Title: COVID-19 Disease Identification on Chest-CT images using CNN and VGG16
Title（参考訳）: CNNとVGG16を用いた胸部CT画像上のCOVID-19疾患の同定
Authors: Briskline Kiruba S, Petchiammal A, D. Murugan
Abstract要約: 新型コロナウイルス(COVID-19)は、2019年12月に中国武漢で発生したウイルスによる感染症である。初期の医療機関は、新型コロナウイルス(COVID-19)を検出する適切な医療援助や薬が無かったため、混乱していた。本研究では,胸部CT画像上でのCOVID-19自動同定のための畳み込みニューラルネットワーク(CNN)とVGG16に基づくモデルを提案する。
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: A newly identified coronavirus disease called COVID-19 mainly affects the human respiratory system. COVID-19 is an infectious disease caused by a virus originating in Wuhan, China, in December 2019. Early diagnosis is the primary challenge of health care providers. In the earlier stage, medical organizations were dazzled because there were no proper health aids or medicine to detect a COVID-19. A new diagnostic tool RT-PCR (Reverse Transcription Polymerase Chain Reaction), was introduced. It collects swab specimens from the patient's nose or throat, where the COVID-19 virus gathers. This method has some limitations related to accuracy and testing time. Medical experts suggest an alternative approach called CT (Computed Tomography) that can quickly diagnose the infected lung areas and identify the COVID-19 in an earlier stage. Using chest CT images, computer researchers developed several deep learning models identifying the COVID-19 disease. This study presents a Convolutional Neural Network (CNN) and VGG16-based model for automated COVID-19 identification on chest CT images. The experimental results using a public dataset of 14320 CT images showed a classification accuracy of 96.34% and 96.99% for CNN and VGG16, respectively.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)は、主にヒトの呼吸器系に影響を及ぼす。新型コロナウイルス(COVID-19)は、2019年12月に中国武漢で発生した感染症である。早期診断は医療提供者にとって大きな課題である。初期の医療機関は、新型コロナウイルス(COVID-19)を検出する適切な医療援助や薬が無かったため、混乱していた。新しい診断ツールRT-PCR(Reverse Transcription Polymerase Chain Reaction)が導入された。患者の鼻や喉からスワブの標本を採取し、そこでcovid-19ウイルスが集結する。この手法は精度と試験時間にいくつかの制限がある。医療専門家は、感染した肺領域を迅速に診断し、早期に新型コロナウイルスを識別できるCT(Computed Tomography)という別のアプローチを提案する。胸部CT画像を用いて、コンピューター研究者たちは新型コロナウイルスの病気を識別するいくつかのディープラーニングモデルを開発した。本研究では,胸部CT画像上でのCOVID-19自動同定のための畳み込みニューラルネットワーク(CNN)とVGG16に基づくモデルを提案する。 14320ct画像の公開データセットを用いた実験では,cnnとvgg16の分類精度は96.34%,96.99%であった。

関連論文リスト

A review of Deep learning Techniques for COVID-19 identification on Chest CT images [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、肺に直接影響を及ぼす人類にとって深刻な脅威だ。新型コロナウイルスの診断法としては、RT-PCR(Reverse Transcription Polymerase Chain Reaction)がある。研究者たちは、新型コロナウイルスのCT画像分類に非常に効果的であることを証明した。
論文参考訳（メタデータ） (2022-07-29T18:27:20Z)
COVID-19 Detection using Transfer Learning with Convolutional Neural Network [0.0]
新型コロナウイルス(COVID-19)は、2019年12月に中国湖北省武漢で初めて確認された致命的な感染症である。本研究では,CT画像からCOVID-19感染を検出するためのトランスファーラーニング戦略(CNN)を提案する。提案モデルでは,Transfer Learning Model Inception V3を用いた多層畳み込みニューラルネットワーク(CNN)が設計されている。
論文参考訳（メタデータ） (2022-06-17T05:30:14Z)
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)
Generation of COVID-19 Chest CT Scan Images using Generative Adversarial Networks [0.0]
SARS-CoV-2は、新型コロナウイルスに感染するウイルス性伝染病で、世界中で急速に広まっている。拡散を減らすために人々をテストし、分離することが非常に重要であり、ここからは、これを迅速かつ効率的に行う必要がある。いくつかの研究によると、Chest-CTは、新型コロナウイルス患者の診断において、現在の標準であるRT-PCR検査より優れている。
論文参考訳（メタデータ） (2021-05-20T13:04:21Z)
COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文参考訳（メタデータ） (2021-05-04T19:01:40Z)
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)
COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19 from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
論文参考訳（メタデータ） (2021-01-19T03:04:09Z)
COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文参考訳（メタデータ） (2020-09-08T15:49:55Z)
A New Screening Method for COVID-19 based on Ocular Feature Recognition by Machine Learning Tools [66.20818586629278]
コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
論文参考訳（メタデータ） (2020-09-04T00:50:27Z)
A comparison of deep machine learning algorithms in COVID-19 disease diagnosis [4.636229382827605]
この研究の目的は、画像認識の問題を解決するためにディープニューラルネットワークモデルを使用することである。本研究は、現代の機械学習技術を用いて、新型コロナウイルスの疑いのある患者の診断にX線画像を用いている。
論文参考訳（メタデータ） (2020-08-25T10:51:54Z)
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)

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。