論文の概要: A Comparative Analysis of CNN-Based Pretrained Models for the Detection
and Prediction of Monkeypox
- arxiv url: http://arxiv.org/abs/2302.10277v1
- Date: Fri, 20 Jan 2023 18:11:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 14:26:07.332300
- Title: A Comparative Analysis of CNN-Based Pretrained Models for the Detection
and Prediction of Monkeypox
- Title(参考訳): サルポックスの検出と予測のためのcnn-based pretrained modelsの比較分析
- Authors: Sourav Saha, Trina Chakraborty, Rejwan Bin Sulaiman, Tithi Paul
- Abstract要約: サルポックスはチキンポックスや麻疹に似た症状のため早期に診断するのは難しい。
個別のウイルス感染の初期段階において、病気と闘い、予測する技術が緊急に必要である。
- 参考スコア(独自算出の注目度): 0.48747801442240574
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Monkeypox is a rare disease that raised concern among medical specialists
following the convi-19 pandemic. It's concerning since monkeypox is difficult
to diagnose early on because of symptoms that are similar to chickenpox and
measles. Furthermore, because this is a rare condition, there is a knowledge
gap among healthcare professionals. As a result, there is an urgent need for a
novel technique to combat and anticipate the disease in the early phases of
individual virus infection. Multiple CNN-based pre-trained models, including
VGG-16, VGG-19, Restnet50, Inception-V3, Densnet, Xception, MobileNetV2,
Alexnet, Lenet, and majority Voting, were employed in classification in this
study. For this study, multiple data sets were combined, such as monkeypox vs
chickenpox, monkeypox versus measles, monkeypox versus normal, and monkeypox
versus all diseases. Majority voting performed 97% in monkeypox vs chickenpox,
Xception achieved 79% in monkeypox against measles, MobileNetV2 scored 96% in
monkeypox vs normal, and Lenet performed 80% in monkeypox versus all.
- Abstract(参考訳): サルポックス(英: monkeypox)は、convi-19パンデミックの後、医療専門家の間で懸念が高まったまれな疾患である。
ニワトリポックスや麻疹に似た症状のため、サルポックスは早期診断が困難である。
さらに、これは稀な状態であるため、医療従事者の間には知識ギャップがある。
結果として、個々のウイルス感染の初期段階において、病気を対処し、予測するための新しい技術の必要性が急務である。
VGG-16, VGG-19, Restnet50, Inception-V3, Densnet, Xception, MobileNetV2, Alexnet, Lenet, majority Votingなど,複数のCNNベースの事前訓練モデルを用いた。
本研究では,サルポックスとニワトリポックス,モンキーポックスと麻疹,モンキーポックス対正常,モンキーポックス対すべての疾患など,複数のデータセットを組み合わせた。
多数決はモンキーポックス対チキンポックスで97%、xceptionはモンキーポックス対麻疹で79%、mobilenetv2はモンキーポックス対ノーマルで96%、lenetはサルポックス対オールで80%だった。
関連論文リスト
- SyMPox: An Automated Monkeypox Detection System Based on Symptoms Using
XGBoost [0.0]
SyMPoxは、症状を評価し、信頼できるMonkeypox診断を得るために、ユーザフレンドリーなプラットフォームを提供する。
SyMPoxはロバストなXGBoostアルゴリズムを用いて症状パターンを分析し、正確な評価を行う。
論文 参考訳(メタデータ) (2023-10-02T17:24:10Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳(メタデータ) (2022-12-16T13:57:41Z) - Classification of Human Monkeypox Disease Using Deep Learning Models and
Attention Mechanisms [0.9257985820122999]
ヒトサルポックス病症候群はチキンポックスと非常によく似ており、麻疹の古典的な症状である。
さまざまなディープラーニング手法が、画像に基づく新型コロナウイルスの診断において有望なパフォーマンスを示している。
Xception-CBAM-Dense層からなるアーキテクチャは、ヒトサルポックスの分類において他のモデルよりも優れた性能を示した。
論文 参考訳(メタデータ) (2022-11-21T13:30:34Z) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳(メタデータ) (2022-09-11T14:22:16Z) - Monkeypox Skin Lesion Detection Using Deep Learning Models: A
Feasibility Study [1.9395755884693817]
最近のサルポックスの流行は、アフリカ以外の40カ国で急速に拡大しているため、公衆衛生上の問題となっている。
サルポックス病変のコンピュータによる検出は, 疑われる症例の迅速同定と監視に有用であると考えられた。
深層学習法は皮膚病変の自動検出に有効である。
論文 参考訳(メタデータ) (2022-07-06T09:09:28Z) - "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the
Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。
我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文 参考訳(メタデータ) (2022-06-12T19:41:01Z) - Image Data collection and implementation of deep learning-based model in
detecting Monkeypox disease using modified VGG16 [0.0]
新たに開発された"Monkeypox2022"データセットを紹介します。
研究1と2の2つの異なる研究を含む改良VGG16モデルを提案し評価する。
検討の結果,サルポックス患者を9.7pm1.8%の精度で同定できることが示唆された。
論文 参考訳(メタデータ) (2022-06-04T00:34:15Z) - Multimodal Detection of COVID-19 Symptoms using Deep Learning &
Probability-based Weighting of Modes [2.8388425545775386]
新型コロナウイルスのパンデミックは、21世紀で最も困難な医療危機の1つだ。
新型コロナウイルス(COVID-19)の患者は、うっ血、発熱、息の短さなど、複数の症状を呈することがある。
本稿では,既存の深層学習分類器と新しい確率に基づく重み付け機能を組み込むことで,新型コロナウイルスの予測を行うマルチモーダル手法を提案する。
論文 参考訳(メタデータ) (2021-09-03T10:58:59Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳(メタデータ) (2020-06-05T02:04:25Z) - 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。