論文の概要: Deep Residual CNN for Multi-Class Chest Infection Diagnosis
- arxiv url: http://arxiv.org/abs/2311.10430v1
- Date: Fri, 17 Nov 2023 10:05:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-20 15:10:15.421010
- Title: Deep Residual CNN for Multi-Class Chest Infection Diagnosis
- Title(参考訳): 多型胸部感染症診断のための深部残存CNN
- Authors: Ryan Donghan Kwon, Dohyun Lim, Yoonha Lee, Seung Won Lee
- Abstract要約: 本研究は,胸部感染症のマルチクラス診断のためのディープ残留畳み込みニューラルネットワーク(CNN)の開発と評価について検討する。
さまざまなソースから集約されたデータセット上でトレーニングされ、検証された実装モデルは、堅牢な全体的な精度93%を示した。
- 参考スコア(独自算出の注目度): 1.8204773850586642
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The advent of deep learning has significantly propelled the capabilities of
automated medical image diagnosis, providing valuable tools and resources in
the realm of healthcare and medical diagnostics. This research delves into the
development and evaluation of a Deep Residual Convolutional Neural Network
(CNN) for the multi-class diagnosis of chest infections, utilizing chest X-ray
images. The implemented model, trained and validated on a dataset amalgamated
from diverse sources, demonstrated a robust overall accuracy of 93%. However,
nuanced disparities in performance across different classes, particularly
Fibrosis, underscored the complexity and challenges inherent in automated
medical image diagnosis. The insights derived pave the way for future research,
focusing on enhancing the model's proficiency in classifying conditions that
present more subtle and nuanced visual features in the images, as well as
optimizing and refining the model architecture and training process. This paper
provides a comprehensive exploration into the development, implementation, and
evaluation of the model, offering insights and directions for future research
and development in the field.
- Abstract(参考訳): ディープラーニングの出現は、自動化された医療画像診断の能力を著しく促進し、医療と医療診断の領域で貴重なツールとリソースを提供する。
本研究では,胸部x線画像を用いた胸部感染症の多層診断のための深層残存畳み込みニューラルネットワーク(cnn)の開発と評価を行った。
さまざまなソースから集約されたデータセット上でトレーニングされ、検証された実装モデルは、堅牢な全体的な精度93%を示した。
しかしながら、異なるクラス、特に線維症におけるパフォーマンスのニュアンスの違いは、医療画像の自動診断に固有の複雑さと課題を強調するものであった。
この知見は、画像のより微妙でニュアンスのある視覚的特徴を示す条件の分類におけるモデルの習熟度の向上、モデルアーキテクチャとトレーニングプロセスの最適化と改善に焦点を当て、将来の研究の道を開いた。
本稿では,このモデルの開発,実装,評価に関する包括的考察を行い,今後の研究開発に向けた洞察と方向性について述べる。
関連論文リスト
- Large-scale Long-tailed Disease Diagnosis on Radiology Images [59.37561810438641]
本研究では,放射線画像における大規模大語彙疾患分類の問題点について検討する。
i)データセット構築では、39,026ケース(192,675スキャン)を含む930のユニークなICD-10-CMコードとリンクした5568の障害を含む、学術的にアクセス可能な大規模診断データセットを構築します。
さらに,本研究の最終モデルは事前学習モデルとして機能し,様々な外部データセットの診断に役立てることができる。
論文 参考訳(メタデータ) (2023-12-26T18:20:48Z) - Learning Through Guidance: Knowledge Distillation for Endoscopic Image
Classification [40.366659911178964]
内視鏡は消化管(GI)の根底にある異常を同定する上で重要な役割を担っている。
ディープラーニング、特にCNN(Convolution Neural Networks)は、従来の機能エンジニアリングを使わずに自動機能学習を実行するように設計されている。
KDに基づく3つの学習フレームワーク、応答ベース、特徴ベース、関係ベースメカニズムについて検討し、関係ベース学習を支援するために、新しい多面的注意型特徴融合機構を導入する。
論文 参考訳(メタデータ) (2023-08-17T02:02:11Z) - A Transformer-based representation-learning model with unified
processing of multimodal input for clinical diagnostics [63.106382317917344]
本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。
統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
論文 参考訳(メタデータ) (2023-06-01T16:23:47Z) - Evaluating the feasibility of using Generative Models to generate Chest
X-Ray Data [0.0]
人工胸部X線画像作成のための生成モデルの有用性について検討した。
我々は,ケストX線14データセットを実験に利用し,モデルの性能評価を行った。
その結果,生成した画像は視覚的に説得力があり,分類モデルの精度向上に有効であることが示唆された。
論文 参考訳(メタデータ) (2023-05-30T10:36:30Z) - A Trustworthy Framework for Medical Image Analysis with Deep Learning [71.48204494889505]
TRUDLMIAは医用画像解析のための信頼できるディープラーニングフレームワークである。
新型コロナウイルス(COVID-19)などの公衆衛生危機への対応に深層学習の活用を推進していくため、研究者や臨床医を支援することが期待されている。
論文 参考訳(メタデータ) (2022-12-06T05:30:22Z) - MMLN: Leveraging Domain Knowledge for Multimodal Diagnosis [10.133715767542386]
肺疾患診断のための知識駆動型およびデータ駆動型フレームワークを提案する。
本研究は, 臨床医学ガイドラインに従って診断規則を定式化し, テキストデータから規則の重みを学習する。
テキストと画像データからなるマルチモーダル融合は、肺疾患の限界確率を推定するために設計されている。
論文 参考訳(メタデータ) (2022-02-09T04:12:30Z) - Multi-Domain Balanced Sampling Improves Out-of-Distribution
Generalization of Chest X-ray Pathology Prediction Models [67.2867506736665]
そこで本研究では, 簡単なバッチサンプリング手法を用いた胸部X線像の分布外一般化法を提案する。
複数のトレーニングデータセット間のバランスの取れたサンプリングは、バランスを取らずにトレーニングされたベースラインモデルよりもパフォーマンスが向上する。
論文 参考訳(メタデータ) (2021-12-27T15:28:01Z) - Recent advances and clinical applications of deep learning in medical
image analysis [7.132678647070632]
我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。
特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
論文 参考訳(メタデータ) (2021-05-27T18:05:12Z) - Multi-Disease Detection in Retinal Imaging based on Ensembling
Heterogeneous Deep Learning Models [0.0]
網膜イメージングのための革新的なマルチディセーゼ検出パイプラインを提案する。
当社のパイプラインには、転送学習、クラス重み付け、リアルタイム画像増強、焦点損失利用などの最先端の戦略が含まれます。
論文 参考訳(メタデータ) (2021-03-26T18:02:17Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳(メタデータ) (2021-03-19T14:13:56Z) - 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)
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。