論文の概要: Pneumonia Detection in Chest X-Ray Images : Handling Class Imbalance
- arxiv url: http://arxiv.org/abs/2301.08479v1
- Date: Fri, 20 Jan 2023 09:17:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-23 13:29:05.104315
- Title: Pneumonia Detection in Chest X-Ray Images : Handling Class Imbalance
- Title（参考訳）: 胸部X線画像における肺炎検出 : クラス不均衡の扱い
- Authors: Wardah Ali, Eesha Qureshi, Omama Ahmed Farooqi, Rizwan Ahmed Khan
- Abstract要約: 世界中の人々が肺炎に罹患しているが、サハラ以南のアジアや南アジアでは死者が最も多い。
近年、有効なワクチンや説得力のある抗生物質の利用にかかわらず、肺炎の全体的な発生率と死亡率が上昇している。
肺炎の流行により、研究コミュニティは病気を正確にかつ迅速に検出し、診断し、分析するフレームワークを考案した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: People all over the globe are affected by pneumonia but deaths due to it are
highest in Sub-Saharan Asia and South Asia. In recent years, the overall
incidence and mortality rate of pneumonia regardless of the utilization of
effective vaccines and compelling antibiotics has escalated. Thus, pneumonia
remains a disease that needs spry prevention and treatment. The widespread
prevalence of pneumonia has caused the research community to come up with a
framework that helps detect, diagnose and analyze diseases accurately and
promptly. One of the major hurdles faced by the Artificial Intelligence (AI)
research community is the lack of publicly available datasets for chest
diseases, including pneumonia . Secondly, few of the available datasets are
highly imbalanced (normal examples are over sampled, while samples with ailment
are in severe minority) making the problem even more challenging. In this
article we present a novel framework for the detection of pneumonia. The
novelty of the proposed methodology lies in the tackling of class imbalance
problem. The Generative Adversarial Network (GAN), specifically a combination
of Deep Convolutional Generative Adversarial Network (DCGAN) and Wasserstein
GAN gradient penalty (WGAN-GP) was applied on the minority class ``Pneumonia''
for augmentation, whereas Random Under-Sampling (RUS) was done on the majority
class ``No Findings'' to deal with the imbalance problem. The ChestX-Ray8
dataset, one of the biggest datasets, is used to validate the performance of
the proposed framework. The learning phase is completed using transfer learning
on state-of-the-art deep learning models i.e. ResNet-50, Xception, and VGG-16.
Results obtained exceed state-of-the-art.
- Abstract（参考訳）: 世界中の人々が肺炎に罹患しているが、サハラ以南のアジアや南アジアでは死者が最も多い。
近年,有効なワクチンや説得力のある抗生物質の使用の有無に関わらず,肺炎の発生率と死亡率の上昇がみられた。
したがって、肺炎は散発的な予防と治療を必要とする病気である。
肺炎の流行により、研究コミュニティは病気を正確にかつ迅速に検出し、診断し、分析するフレームワークを考案した。
人工知能(AI)研究コミュニティが直面している大きなハードルのひとつは、肺炎を含む胸部疾患のデータセットが公開されていないことだ。
第二に、利用可能なデータセットのほとんどは非常に不均衡である(通常の例は過剰にサンプリングされ、障害のあるサンプルは少数派である)ため、問題をさらに困難にしている。
本稿では,肺炎検出のための新しい枠組みについて紹介する。
提案手法の新規性は,クラス不均衡問題に取り組むことにある。
The Generative Adversarial Network (GAN)、特にDeep Convolutional Generative Adversarial Network (DCGAN) と Wasserstein GAN gradient penalty (WGAN-GP) の組合せは、増加のために少数派のクラス '`Pneumonia' に適用されたが、Random Under-Sampling (RUS) は不均衡問題に対処するために多数派のクラス ‘`No Findings' で実施された。
最も大きなデータセットの1つであるChestX-Ray8データセットは、提案されたフレームワークのパフォーマンスを検証するために使用される。
学習フェーズは、最先端ディープラーニングモデル、すなわちresnet-50、xception、vgg-16での転送学習を用いて完了する。
結果は最新を上回った。
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) - A Comparison Study of Deep CNN Architecture in Detecting of Pneumonia [0.0]
細菌やウイルスによる呼吸器感染症である肺炎は、多くの人々に影響を及ぼす。
画像に基づいて植物病を分類し、その性能をテストするディープ畳み込みニューラルネットワーク。
DenseNet201は、非常に少ないパラメータと妥当な計算時間で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-12-30T14:37:32Z) - An Adaptive and Altruistic PSO-based Deep Feature Selection Method for
Pneumonia Detection from Chest X-Rays [28.656853454251426]
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。
論文 参考訳（メタデータ） (2022-08-06T18:20:50Z) - Deep Pneumonia: Attention-Based Contrastive Learning for
Class-Imbalanced Pneumonia Lesion Recognition in Chest X-rays [11.229472535033558]
Intention-based Contrastive Learning for Class-Imbalanced X-ray Pneumonia Lesion Recognitionを提案する。
提案手法は, 医師がより正確な肺炎の診断を行えるように, 信頼性の高いコンピュータ支援型肺炎診断システムとして利用することができる。
論文 参考訳（メタデータ） (2022-07-23T02:28:37Z) - An ensemble-based approach by fine-tuning the deep transfer learning
models to classify pneumonia from chest X-ray images [0.0]
米国では、主に成人の25万人以上が肺炎と診断され、5万人が死亡している。
よく訓練された放射線科医の肺炎検出を見逃すことは珍しくなく、診断の正確性を改善する必要がある。
InceptionResNet、MobileNetV2、Xception、DenseNet201、ResNet152V2といった最先端のディープラーニングモデルを訓練、微調整して、肺炎を正確に分類しました。
論文 参考訳（メタデータ） (2020-11-11T04:50:06Z) - Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。
このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。
本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
論文 参考訳（メタデータ） (2020-10-09T10:15:26Z) - 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) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - A Thorough Comparison Study on Adversarial Attacks and Defenses for
Common Thorax Disease Classification in Chest X-rays [63.675522663422896]
胸部X線に対する各種対向攻撃法と防御法について検討した。
攻撃法と防御法は過度な反復と大きな摂動で性能が劣ることがわかった。
異なる摂動度に頑健な新しい防御法を提案する。
論文 参考訳（メタデータ） (2020-03-31T06:21:03Z) - Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware
Anomaly Detection [86.81773672627406]
短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。
胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。
ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
論文 参考訳（メタデータ） (2020-03-27T11:32:18Z)
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。