論文の概要: Applied Computer Vision on 2-Dimensional Lung X-Ray Images for Assisted
Medical Diagnosis of Pneumonia
- arxiv url: http://arxiv.org/abs/2207.13295v1
- Date: Wed, 27 Jul 2022 04:55:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-28 13:51:51.528008
- Title: Applied Computer Vision on 2-Dimensional Lung X-Ray Images for Assisted
Medical Diagnosis of Pneumonia
- Title（参考訳）: 肺炎診断支援のための2次元肺x線画像のコンピュータビジョンへの応用
- Authors: Ralph Joseph S.D. Ligueran (1), Manuel Luis C. Delos Santos (2), Dr.
Ronaldo S. Tinio (3), Emmanuel H. Valencia (4) ((1)(2)(4) Asian Institute of
Computer Studies, (3) Pamantasan ng Lungsod ng Valenzuela)
- Abstract要約: 本研究は2次元肺X線画像解析におけるコンピュータビジョンと呼ばれる人工知能の特定のサブフィールドの応用に焦点を当てた。
畳み込みニューラルネットワークアルゴリズムは、通常の肺炎の検出のためにX線画像を解析できる、Pythonでコード化されたFraskベースのWebアプリケーションで実装された。
開発されたWebアプリケーションは、一般の肺炎の診断を支援する医療従事者や、コンピュータ科学とバイオインフォマティクスの分野の研究者が利用できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: This study focuses on the application of a specific subfield of artificial
intelligence referred to as computer vision in the analysis of 2-dimensional
lung x-ray images for the assisted medical diagnosis of ordinary pneumonia.
A convolutional neural network algorithm was implemented in a Python-coded,
Flask-based web application that can analyze x-ray images for the detection of
ordinary pneumonia. Since convolutional neural network algorithms rely on
machine learning for the identification and detection of patterns, a technique
referred to as transfer learning was implemented to train the neural network in
the identification and detection of patterns within the dataset. Open-source
lung x-ray images were used as training data to create a knowledge base that
served as the core element of the web application and the experimental design
employed a 5-Trial Confirmatory Test for the validation of the web application.
The results of the 5-Trial Confirmatory Test show the calculation of
Diagnostic Precision Percentage per Trial, General Diagnostic Precision
Percentage, and General Diagnostic Error Percentage while the Confusion Matrix
further shows the relationship between the label and the corresponding
diagnosis result of the web application on each test images.
The developed web application can be used by medical practitioners in
A.I.-assisted diagnosis of ordinary pneumonia, and by researchers in the fields
of computer science and bioinformatics.
- Abstract（参考訳）: 本研究は, コンピュータビジョンと呼ばれる人工知能の特定のサブフィールドを, 2次元肺X線画像解析に応用し, 通常の肺炎の診断に応用することに焦点を当てた。
畳み込みニューラルネットワークアルゴリズムは、pythonでコード化されたflaskベースのwebアプリケーションに実装され、通常の肺炎の検出のためにx線画像を解析できる。
畳み込みニューラルネットワークアルゴリズムはパターンの識別と検出に機械学習に依存するため、データセット内のパターンの識別と検出においてニューラルネットワークをトレーニングするために、転送学習と呼ばれるテクニックが導入された。
オープンソース肺X線画像は、Webアプリケーションの中核となる知識ベースを作成するためのトレーニングデータとして使用され、実験設計では、Webアプリケーションの検証に5-Trial Confirmatory Testを使用していた。
5回の確認試験の結果は、試行毎の診断精度率、一般診断精度率、一般診断誤差率の算出を示し、混乱マトリックスは、各テスト画像上のwebアプリケーションのラベルと対応する診断結果との関係をさらに示している。
開発されたWebアプリケーションは、一般の肺炎の診断を支援する医療従事者や、コンピュータ科学とバイオインフォマティクスの分野の研究者が利用できる。
関連論文リスト
- Deep Learning in Image Classification: Evaluating VGG19's Performance on Complex Visual Data [11.570070267134362]
VGG19ディープ畳み込みニューラルネットワークは、SVM、XGBoost、ResNet50といった古典的なモデルと比較される。
VGG19は精度(92%)、AUC(0.95)、F1スコア(0.90)、リコールレート(0.87)などの複数の指標でよく機能し、他の比較モデルよりも優れている。
論文 参考訳（メタデータ） (2024-12-29T04:07:58Z) - Object Detection for Automated Coronary Artery Using Deep Learning [0.0]
本稿では,冠動脈狭窄の部位を正確に同定するために,X線血管造影画像の物体検出法を応用した。
このモデルにより,狭窄箇所の自動的かつリアルタイムな検出が可能となり,決定プロセスの重要かつ機密性の高い支援が可能となった。
論文 参考訳（メタデータ） (2023-12-19T13:14:52Z) - Mining Gaze for Contrastive Learning toward Computer-Assisted Diagnosis [61.089776864520594]
医用画像のテキストレポートの代替としてアイトラッキングを提案する。
医用画像を読み,診断する際に放射線科医の視線を追跡することにより,その視覚的注意と臨床的理由を理解することができる。
対照的な学習フレームワークのためのプラグイン・アンド・プレイモジュールとして,McGIP (McGIP) を導入した。
論文 参考訳（メタデータ） (2023-12-11T02:27:45Z) - 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) - 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) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z) - Learning Invariant Feature Representation to Improve Generalization
across Chest X-ray Datasets [55.06983249986729]
我々は、トレーニングデータと同じデータセットでテストすると、ディープラーニングモデルが、異なるソースからデータセットでテストされると、パフォーマンスが低下し始めることを示す。
対戦型トレーニング戦略を用いることで、ネットワークはソース不変表現を学習せざるを得ないことを示す。
論文 参考訳（メタデータ） (2020-08-04T07:41:15Z) - 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) - Attention U-Net Based Adversarial Architectures for Chest X-ray Lung
Segmentation [0.0]
本稿では,診断パイプラインにおける基礎的,しかし困難な課題である肺分節に対する新しい深層学習手法を提案する。
本手法では, 逆批判モデルとともに, 最先端の完全畳み込みニューラルネットワークを用いる。
これは、患者プロファイルの異なる未確認データセットのCXRイメージによく当てはまり、JSRTデータセットの最終的なDSCRは97.5%に達した。
論文 参考訳（メタデータ） (2020-03-23T14:45:48Z)
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。