論文の概要: An Adaptive and Altruistic PSO-based Deep Feature Selection Method for Pneumonia Detection from Chest X-Rays

• arxiv url: http://arxiv.org/abs/2208.03558v1
• Date: Sat, 6 Aug 2022 18:20:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-09 12:22:46.924322
• Title: An Adaptive and Altruistic PSO-based Deep Feature Selection Method for Pneumonia Detection from Chest X-Rays
• Title（参考訳）: 胸部X線からの肺炎検出のための適応的PSOに基づく深部特徴抽出法
• Authors: Rishav Pramanik, Sourodip Sarkar, Ram Sarkar
• Abstract要約: 肺炎は、特に世界の所得不足地域での小児死亡の主な原因の1つである。 コンピュータ支援型診断システム(CAD)は,プロの医療専門家よりも手術コストが低いため,そのような国で利用することができる。 深層学習の概念とメタヒューリスティックアルゴリズムを用いて,胸部X線からの肺炎検出のためのCADシステムを提案する。
• 参考スコア（独自算出の注目度）: 28.656853454251426
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Pneumonia is one of the major reasons for child mortality especially in income-deprived regions of the world. Although it can be detected and treated with very less sophisticated instruments and medication, Pneumonia detection still remains a major concern in developing countries. Computer-aided based diagnosis (CAD) systems can be used in such countries due to their lower operating costs than professional medical experts. In this paper, we propose a CAD system for Pneumonia detection from Chest X-rays, using the concepts of deep learning and a meta-heuristic algorithm. We first extract deep features from the pre-trained ResNet50, fine-tuned on a target Pneumonia dataset. Then, we propose a feature selection technique based on particle swarm optimization (PSO), which is modified using a memory-based adaptation parameter, and enriched by incorporating an altruistic behavior into the agents. We name our feature selection method as adaptive and altruistic PSO (AAPSO). The proposed method successfully eliminates non-informative features obtained from the ResNet50 model, thereby improving the Pneumonia detection ability of the overall framework. Extensive experimentation and thorough analysis on a publicly available Pneumonia dataset establish the superiority of the proposed method over several other frameworks used for Pneumonia detection. Apart from Pneumonia detection, AAPSO is further evaluated on some standard UCI datasets, gene expression datasets for cancer prediction and a COVID-19 prediction dataset. The overall results are satisfactory, thereby confirming the usefulness of AAPSO in dealing with varied real-life problems. The supporting source codes of this work can be found at https://github.com/rishavpramanik/AAPSO
• Abstract（参考訳）: 肺炎は、特に世界の所得不足地域での小児死亡の主な原因の1つである。 非常に高度な機器や医薬品で検出・治療できるが、発展途上国では依然として肺炎の検出が主要な関心事である。 コンピュータ支援型診断システム(CAD)は,プロの医療専門家よりも手術コストが低いため,そのような国で利用することができる。 本稿では,深層学習の概念とメタヒューリスティックアルゴリズムを用いて,胸部X線からの肺炎検出のためのCADシステムを提案する。 まず,ターゲット肺炎データセット上で微調整されたresnet50から深い特徴を抽出する。 そこで,我々は,メモリに基づく適応パラメータを用いて修正を行い,エージェントに利他的動作を組み込むことにより,機能選択を行うpso( particle swarm optimization)に基づく特徴選択手法を提案する。 我々は特徴選択法を適応的・利他的PSO (AAPSO) と命名した。 提案手法はresnet50モデルから得られた非形成的特徴を除去し,全体の肺炎検出能力を向上した。 肺炎検出のための他のいくつかのフレームワークよりも, 広く利用可能な肺炎データセットの広範な実験と徹底的な解析により, 提案手法の優越性が確立された。 肺炎の検出とは別に、AAPSOはいくつかの標準UCIデータセット、がん予測のための遺伝子発現データセット、COVID-19予測データセットでさらに評価されている。 その結果,AAPSOが現実の様々な問題に対処する上で有用であることが確認された。 この作業のソースコードはhttps://github.com/rishavpramanik/AAPSOで確認できる。

関連論文リスト

• FA-Net: A Fuzzy Attention-aided Deep Neural Network for Pneumonia Detection in Chest X-Rays [28.319405767795047]
  肺炎(Pneumonia)は、細菌、真菌、ウイルスによって引き起こされる呼吸器感染症である。 早期診断は有効治療の確保と生存率の向上に不可欠である。 胸部X線画像を用いた自動肺炎検出のためのコンピュータ支援診断システムを開発した。
  論文  参考訳（メタデータ） (2024-06-21T13:08:40Z)
• Optimized Deep Feature Selection for Pneumonia Detection: A Novel RegNet and XOR-Based PSO Approach [1.3597551064547502]
  肺炎は、特に発展途上国において、乳児死亡の重要な原因である。 本研究では、RegNetモデルの2番目の層から深い特徴を抽出するために、XORに基づくパーティクルスワーム最適化(PSO)を提案する。 163個の特徴を抽出し,98%の精度を達成し,従来のPSO法と同等の精度を示した。
  論文  参考訳（メタデータ） (2023-08-31T21:42:54Z)
• 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)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
  深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。 オープンソースデータのトレーニングやテストでは,結果は異例です。 データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
  論文  参考訳（メタデータ） (2021-09-14T10:59:11Z)
• 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)
• Development of a Multi-Task Learning V-Net for Pulmonary Lobar Segmentation on Computed Tomography and Application to Diseased Lungs [0.19573380763700707]
  疾患のある肺領域は、しばしばCT画像に高密度ゾーンを生成し、損傷した葉を特定するアルゴリズムの実行を制限する。 この影響は、肺葉を分節する機械学習手法の改善を動機づけた。 このアプローチは、放射線科医のロバストなツールとして臨床現場で容易に採用することができる。
  論文  参考訳（メタデータ） (2021-05-11T17:10:25Z)
• Predicting Pneumonia and Region Detection from X-Ray Images using Deep Neural Network [0.0]
  肺炎は、人の肺気嚢の炎症によって細菌とウイルスの両方によって引き起こされる感染症です。 本稿では,X線画像を入力として受信し,この患者が肺炎に罹患しているかどうかを検証するアルゴリズムを提案する。 このモデルは90.6パーセントの精度を達成し、モデルの有効性を確認している。
  論文  参考訳（メタデータ） (2021-01-19T16:43:05Z)
• 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)

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。