Fugu-MT 論文翻訳(概要): Identification of pneumonia on chest x-ray images through machine learning

論文の概要: Identification of pneumonia on chest x-ray images through machine learning

arxiv url: http://arxiv.org/abs/2309.11995v1
Date: Thu, 21 Sep 2023 12:10:22 GMT
ステータス: 処理完了
システム内更新日: 2023-09-22 15:39:57.079599
Title: Identification of pneumonia on chest x-ray images through machine learning
Title（参考訳）: 機械学習による胸部X線画像上の肺炎の同定
Authors: Eduardo Augusto Roeder
Abstract要約: このソフトウェアは、移動学習技術を用いた機械学習に基づく計算モデルとして開発された。画像は、中国の病院で撮影された子供の胸部X線画像でオンラインで公開されているデータベースから収集された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Pneumonia is the leading infectious cause of infant death in the world. When identified early, it is possible to alter the prognosis of the patient, one could use imaging exams to help in the diagnostic confirmation. Performing and interpreting the exams as soon as possible is vital for a good treatment, with the most common exam for this pathology being chest X-ray. The objective of this study was to develop a software that identify the presence or absence of pneumonia in chest radiographs. The software was developed as a computational model based on machine learning using transfer learning technique. For the training process, images were collected from a database available online with children's chest X-rays images taken at a hospital in China. After training, the model was then exposed to new images, achieving relevant results on identifying such pathology, reaching 98% sensitivity and 97.3% specificity for the sample used for testing. It can be concluded that it is possible to develop a software that identifies pneumonia in chest X-ray images.
Abstract（参考訳）: 肺炎は世界の乳幼児死亡の最も大きな原因である。早期に診断された場合、患者の予後を変更することが可能であり、画像検査を使用して診断確認を行うことができる。できるだけ早く検査を行い、解釈することは良い治療に不可欠であり、この病理検査で最も一般的なのは胸部X線検査である。本研究の目的は,胸部x線写真における肺炎の有無を識別するソフトウェアを開発することである。このソフトウェアは、転送学習技術を用いた機械学習に基づく計算モデルとして開発された。トレーニングプロセスでは、中国の病院で撮影された小児胸部x線画像を含むオンラインデータベースから画像が収集された。訓練後、モデルは新しい画像に晒され、そのような病理を同定し、98%の感度と97.3%の特異性に到達した。胸部x線画像で肺炎を識別するソフトウェアを開発することは可能であると結論付けることができる。

関連論文リスト

Pneumonia Detection on chest X-ray images Using Ensemble of Deep Convolutional Neural Networks [7.232767871756102]
本稿では, 胸部X線画像の診断過程を簡略化するために, EL(Ensemble Learning) と呼ばれるコンピュータ支援型肺炎分類法を提案する。提案手法は,CNNモデルをスクラッチからトレーニングする代わりに,近年,多くの医療タスクのパフォーマンス向上に採用されているCNNモデルである畳み込みニューラルネットワーク(Convolutional Neural Network, CNN)モデルに基づく。提案したELアプローチは他の最先端手法よりも優れており、テスト段階では93.91%、F1スコアは93.88%の精度が得られる。
論文参考訳（メタデータ） (2023-12-13T08:28:21Z)
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)
Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New Benchmark Study [75.05049024176584]
胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
論文参考訳（メタデータ） (2022-08-29T04:34:15Z)
In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文参考訳（メタデータ） (2021-04-06T02:01:43Z)
Searching for Pneumothorax in X-Ray Images Using Autoencoded Deep Features [5.868569999949525]
胸部X線像では、放射線医による視覚検査により気胸が検出されるのが一般的である。 3つの入力を圧縮した胸部画像検索のためのAutoencoding Thorax Net(短いAutoThorax-Net)を開発した。半自動検索は194,608例(気胸,正常)で92%,全自動検索は82%,全自動検索は51,383例(正常,気胸,その他多くの胸部疾患)で82%であった。
論文参考訳（メタデータ） (2021-02-11T16:21:06Z)
Pneumonia Detection on Chest X-ray using Radiomic Features and Contrastive Learning [26.031452674698787]
胸部X線における肺炎の検出に放射線学的特徴と造影学習を活用した新しい枠組みを提案する。 rsna肺炎検出チャレンジデータセットの実験により,いくつかの最先端モデルに優れた結果が得られた。
論文参考訳（メタデータ） (2021-01-12T02:52:24Z)
Searching for Pneumothorax in Half a Million Chest X-Ray Images [0.0]
気胸(Pneumothorax)は、胸部X線で経験豊富な放射線医によって検出される致命的な疾患である。本研究では,胸部X線画像から気胸を分類するための画像検索法について検討した。胸部X線画像50万枚において,気胸のCBIRに深く事前訓練した特徴が有効であることを示す最初の研究である。
論文参考訳（メタデータ） (2020-07-30T13:03:52Z)
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)
Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文参考訳（メタデータ） (2020-05-08T02:16:17Z)

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。