Fugu-MT 論文翻訳(概要): TBDLNet: a network for classifying multidrug-resistant and drug-sensitive tuberculosis

論文の概要: TBDLNet: a network for classifying multidrug-resistant and drug-sensitive tuberculosis

arxiv url: http://arxiv.org/abs/2310.18222v1
Date: Fri, 27 Oct 2023 15:51:33 GMT
ステータス: 処理完了
システム内更新日: 2023-10-30 13:21:24.040059
Title: TBDLNet: a network for classifying multidrug-resistant and drug-sensitive tuberculosis
Title（参考訳）: tbdlnet : 多剤耐性結核と薬剤感受性結核の分類ネットワーク
Authors: Ziquan Zhu, Jing Tao, Shuihua Wang, Xin Zhang, Yudong Zhang
Abstract要約: TBDLNetは多剤耐性結核および薬剤感受性結核の分類に適している。多剤耐性肺結核をできるだけ早く検出でき、治療計画の調整と治療効果の改善に役立つ。
参考スコア（独自算出の注目度）: 20.278451340628624
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper proposes applying a novel deep-learning model, TBDLNet, to recognize CT images to classify multidrug-resistant and drug-sensitive tuberculosis automatically. The pre-trained ResNet50 is selected to extract features. Three randomized neural networks are used to alleviate the overfitting problem. The ensemble of three RNNs is applied to boost the robustness via majority voting. The proposed model is evaluated by five-fold cross-validation. Five indexes are selected in this paper, which are accuracy, sensitivity, precision, F1-score, and specificity. The TBDLNet achieves 0.9822 accuracy, 0.9815 specificity, 0.9823 precision, 0.9829 sensitivity, and 0.9826 F1-score, respectively. The TBDLNet is suitable for classifying multidrug-resistant tuberculosis and drug-sensitive tuberculosis. It can detect multidrug-resistant pulmonary tuberculosis as early as possible, which helps to adjust the treatment plan in time and improve the treatment effect.
Abstract（参考訳）: 本稿では,ct画像を認識し,多剤耐性結核と薬剤感受性結核を自動分類する新しいディープラーニングモデルtbdlnetを提案する。予め訓練されたresnet50を選択して特徴を抽出する。 3つのランダム化されたニューラルネットワークは、オーバーフィッティング問題を緩和するために使用される。 3つのrnnのアンサンブルは多数決によるロバスト性を高めるために適用される。提案モデルは5倍のクロスバリデーションにより評価される。本論文では,精度,感度,精度,F1スコア,特異性の5つの指標を選択した。 TBDLNetは0.9822の精度、0.9815の特異性、0.9823の精度、0.9829の感度、0.9826のF1スコアを達成する。 TBDLNetは多剤耐性結核および薬剤感受性結核の分類に適している。早期に多剤耐性肺結核を検出でき、治療計画の調整や治療効果の向上に寄与する。

関連論文リスト

Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Enhancing mTBI Diagnosis with Residual Triplet Convolutional Neural Network Using 3D CT [1.0621519762024807]
3D Computed Tomography (CT) 画像を用いた mTBI 診断の革新的手法を提案する。我々は,mTBI症例と健常症例を識別するために,Residual Triplet Convolutional Neural Network (RTCNN)モデルを提案する。我々のRTCNNモデルはmTBI診断において有望な性能を示し、平均精度は94.3%、感度は94.1%、特異性は95.2%である。
論文参考訳（メタデータ） (2023-11-23T20:41:46Z)
Can pruning improve certified robustness of neural networks? [106.03070538582222]
ニューラルネット・プルーニングはディープ・ニューラル・ネットワーク(NN)の実証的ロバスト性を向上させることができることを示す。実験の結果,NNを適切に刈り取ることで,その精度を8.2%まで向上させることができることがわかった。さらに,認証された宝くじの存在が,従来の密集モデルの標準および認証された堅牢な精度に一致することを観察する。
論文参考訳（メタデータ） (2022-06-15T05:48:51Z)
An Efficient End-to-End Deep Neural Network for Interstitial Lung Disease Recognition and Classification [0.5424799109837065]
本稿では、IDDパターンを分類するためのエンドツーエンドのディープ畳み込みニューラルネットワーク(CNN)を提案する。提案モデルでは,カーネルサイズが異なる4つの畳み込み層と,Rectified Linear Unit (ReLU) アクティベーション機能を備える。 128のCTスキャンと5つのクラスからなる21328の画像パッチからなるデータセットを用いて、提案モデルのトレーニングと評価を行う。
論文参考訳（メタデータ） (2022-04-21T06:36:10Z)
Automated Atrial Fibrillation Classification Based on Denoising Stacked Autoencoder and Optimized Deep Network [1.7403133838762446]
心房細動(AFib)の発症率は世界中で増加傾向にある。 AFibのリスクを早期に検出するために,我々はディープニューラルネットワークに基づく自動検出システムを開発した。 Denoising Autoencoders (DAE) を用いて心電図信号を復調するエンド・ツー・エンドモデルを提案する。
論文参考訳（メタデータ） (2022-01-26T21:45:48Z)
Detection of Large Vessel Occlusions using Deep Learning by Deforming Vessel Tree Segmentations [5.408694811103598]
この研究は、船体木分割マスクの弾性変形で訓練されたケースレベルの分類に畳み込みニューラルネットワークを使用し、トレーニングデータを人工的に増強する。ニューラルネットワークは、LVOと影響を受ける半球の存在を分類する。 5倍のクロス検証アブレーション実験において,提案手法を用いることで,少数のデータセットからでも頑健なモデルを訓練できることが実証された。
論文参考訳（メタデータ） (2021-12-03T09:07:29Z)
A Generic Deep Learning Based Cough Analysis System from Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。 DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
論文参考訳（メタデータ） (2021-11-10T19:39:26Z)
Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文参考訳（メタデータ） (2021-10-19T00:03:57Z)
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)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Automatic Detection of Coronavirus Disease (COVID-19) Using X-ray Images and Deep Convolutional Neural Networks [0.0]
中国発祥の新型コロナウイルス(COVID-19)は、他国に住む人々の間で急速に広まっている。新型コロナウイルス(COVID-19)検査キットは毎日増えているため、病院では限られている。 5つの事前訓練された畳み込みニューラルネットワークに基づくモデルが、胸部X線写真を用いた新型コロナウイルス感染者の検出のために提案されている。
論文参考訳（メタデータ） (2020-03-24T13:50:23Z)

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。