Fugu-MT 論文翻訳(概要): A Lightweight, Rapid and Efficient Deep Convolutional Network for Chest X-Ray Tuberculosis Detection

論文の概要: A Lightweight, Rapid and Efficient Deep Convolutional Network for Chest X-Ray Tuberculosis Detection

arxiv url: http://arxiv.org/abs/2309.02140v1
Date: Tue, 5 Sep 2023 11:30:38 GMT
ステータス: 処理完了
システム内更新日: 2023-09-06 15:14:49.583553
Title: A Lightweight, Rapid and Efficient Deep Convolutional Network for Chest X-Ray Tuberculosis Detection
Title（参考訳）: 胸部X線結核検出のための軽量・迅速・高効率深部畳み込みネットワーク
Authors: Daniel Capell\'an-Mart\'in, Juan J. G\'omez-Valverde, David Bermejo-Pel\'aez, Mar\'ia J. Ledesma-Carbayo
Abstract要約: 結核(TB)はいまだに世界中の死因の1つとして認識されている。近年, 深層学習(DL)の進歩により, 胸部X線像の正確な解釈能力が向上し, 誤りも少なくなった。我々は、CXR画像からTBを検出するために特別にカスタマイズされた、軽量で高速で効率的な深層畳み込みネットワークであるLightTBNet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-nc-sa/4.0/
Abstract: Tuberculosis (TB) is still recognized as one of the leading causes of death worldwide. Recent advances in deep learning (DL) have shown to enhance radiologists' ability to interpret chest X-ray (CXR) images accurately and with fewer errors, leading to a better diagnosis of this disease. However, little work has been done to develop models capable of diagnosing TB that offer good performance while being efficient, fast and computationally inexpensive. In this work, we propose LightTBNet, a novel lightweight, fast and efficient deep convolutional network specially customized to detect TB from CXR images. Using a total of 800 frontal CXR images from two publicly available datasets, our solution yielded an accuracy, F1 and area under the ROC curve (AUC) of 0.906, 0.907 and 0.961, respectively, on an independent test subset. The proposed model demonstrates outstanding performance while delivering a rapid prediction, with minimal computational and memory requirements, making it highly suitable for deployment in handheld devices that can be used in low-resource areas with high TB prevalence. Code publicly available at https://github.com/dani-capellan/LightTBNet.
Abstract（参考訳）: 結核(TB)はいまだに世界中の死因の1つとして認識されている。近年のディープラーニング (dl) の進歩により、胸部x線像を正確かつ少ない誤差で解釈する放射線科医の能力が向上し、この疾患の診断が向上した。しかし、効率的で高速で計算コストが安いTBを診断できるモデルを開発するための作業はほとんど行われていない。本稿では,CXR画像からTBを検出するために特別にカスタマイズされた,軽量で高速で効率的な深層畳み込みネットワークであるLightTBNetを提案する。 2つの公開データセットから得られた800個の前頭葉CXR画像を用いて, 独立テストサブセット上でそれぞれ精度, F1, ROC曲線(AUC)下の面積0.906, 0.907, 0.961を得た。提案モデルでは,高速な予測を実現すると同時に,計算・メモリ要件の最小化を図り,低リソース領域で高いTB頻度で使用可能なハンドヘルドデバイスへの展開に極めて適していることを示す。コードはhttps://github.com/dani-capellan/LightTBNet.comで公開されている。

関連論文リスト

BS-Diff: Effective Bone Suppression Using Conditional Diffusion Models from Chest X-Ray Images [21.19843479423806]
胸部X線(CXR)は肺検診の低用量モダリティとして一般的に用いられる。肺領域の約75%は骨と重なり、疾患の検出と診断を妨げている。骨抑制技術が導入されたが、現在の病院の二重エネルギーサブトラクションイメージング技術は、高価な機器と高放射線にさらされる被検体を必要としている。本稿では,U-Netアーキテクチャを備えた条件拡散モデルと,オートエンコーダを組み込むシンプルな拡張モジュールを備える骨抑制フレームワークBS-Diffを提案する。
論文参考訳（メタデータ） (2023-11-26T15:13:13Z)
Full-resolution Lung Nodule Segmentation from Chest X-ray Images using Residual Encoder-Decoder Networks [21.724154440093216]
肺癌はがん死の主要な原因であり、早期診断は陽性の予後と関連している。コンピュータビジョンは、これまで人間の放射線学者を支援するために提案されてきた。本研究では,効率的なエンコーダデコーダニューラルネットワークを用いた肺結節の局在解析を行った。
論文参考訳（メタデータ） (2023-07-13T04:05:39Z)
Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文参考訳（メタデータ） (2023-07-06T08:27:48Z)
Computer-aided Tuberculosis Diagnosis with Attribute Reasoning Assistance [58.01014026139231]
新しい大規模結核(TB)胸部X線データセット(TBX-Att)を提案する。属性情報を利用してTBの分類とローカライズを行うための属性支援弱教師付きフレームワークを構築した。提案モデルはTBX-Attデータセットで評価され,今後の研究の確かなベースラインとして機能する。
論文参考訳（メタデータ） (2022-07-01T07:50:35Z)
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)
Multi-Label Classification of Thoracic Diseases using Dense Convolutional Network on Chest Radiographs [0.0]
そこで本研究では,1回の検査で複数の病態を検出できる多ラベル疾患予測モデルを提案する。提案モデルでは,AUCスコアが0.896であった。
論文参考訳（メタデータ） (2022-02-08T00:43:57Z)
CXR-Net: An Encoder-Decoder-Encoder Multitask Deep Neural Network for Explainable and Accurate Diagnosis of COVID-19 pneumonia with Chest X-ray Images [2.2098092675263423]
そこで本研究では,CXRNetを用いた新型コロナウイルス検出のための新しいディープラーニングフレームワークを提案する。提案するフレームワークは,新しいマルチタスクアーキテクチャに基づいており,疾患の分類と視覚的説明が可能である。実験結果から,提案手法は良好な精度が得られることが示された。
論文参考訳（メタデータ） (2021-10-20T22:50:35Z)
TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network Design for Detection of Tuberculosis Cases from Chest X-ray Images [66.93350009086132]
結核は世界的な健康問題であり、感染症による死亡の主な原因です。リソース制限シナリオで使用する人工知能ベースのTBスクリーニングソリューションに大きな関心が寄せられています。 TBケーススクリーニングに適した自己意識型ディープ畳み込みニューラルネットワークTB-Netについて紹介します。
論文参考訳（メタデータ） (2021-04-06T14:09:05Z)
Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文参考訳（メタデータ） (2021-02-26T02:29:30Z)
Chest X-ray Image Phase Features for Improved Diagnosis of COVID-19 Using Convolutional Neural Network [2.752817022620644]
最近の研究で、新型コロナウイルス患者のX線写真には、新型コロナウイルスに関する情報が含まれていることが示されている。胸部X線(CXR)は、高速な撮像時間、広範囲の可用性、低コスト、可搬性から注目されている。本研究では、CXR画像から新型コロナウイルスの分類を改善するために、新しい多機能畳み込みニューラルネットワーク(CNN)アーキテクチャを設計する。
論文参考訳（メタデータ） (2020-11-06T20:26:26Z)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)

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。