Fugu-MT 論文翻訳(概要): Few-Shot Learning Approach on Tuberculosis Classification Based on Chest X-Ray Images

論文の概要: Few-Shot Learning Approach on Tuberculosis Classification Based on Chest X-Ray Images

arxiv url: http://arxiv.org/abs/2409.11644v1
Date: Wed, 18 Sep 2024 02:15:01 GMT
ステータス: 処理完了
システム内更新日: 2024-09-19 19:29:58.456164
Title: Few-Shot Learning Approach on Tuberculosis Classification Based on Chest X-Ray Images
Title（参考訳）: 胸部X線画像に基づく結核分類のFew-Shot Learningアプローチ
Authors: A. A. G. Yogi Pramana, Faiz Ihza Permana, Muhammad Fazil Maulana, Dzikri Rahadian Fudholi,
Abstract要約: TB胸部X線データセットのクラス不均衡は、正確な分類の課題である。本稿では,この問題に対処するために,プロトタイプネットワークアルゴリズムを用いた数ショットの学習手法を提案する。実験の結果、ResNet-18の98.93%、ResNet-50の98.60%、VGG16の33.33%の分類精度が確認された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Tuberculosis (TB) is caused by the bacterium Mycobacterium tuberculosis, primarily affecting the lungs. Early detection is crucial for improving treatment effectiveness and reducing transmission risk. Artificial intelligence (AI), particularly through image classification of chest X-rays, can assist in TB detection. However, class imbalance in TB chest X-ray datasets presents a challenge for accurate classification. In this paper, we propose a few-shot learning (FSL) approach using the Prototypical Network algorithm to address this issue. We compare the performance of ResNet-18, ResNet-50, and VGG16 in feature extraction from the TBX11K Chest X-ray dataset. Experimental results demonstrate classification accuracies of 98.93% for ResNet-18, 98.60% for ResNet-50, and 33.33% for VGG16. These findings indicate that the proposed method outperforms others in mitigating data imbalance, which is particularly beneficial for disease classification applications.
Abstract（参考訳）: 結核は結核菌(Mycobacterium tuberculosis)によって引き起こされ、主に肺に影響を及ぼす。早期発見は治療効果の向上と感染リスクの低減に不可欠である。人工知能(AI)、特に胸部X線の画像分類により、TB検出を支援することができる。しかし, TB胸部X線データセットのクラス不均衡は, 正確な分類が困難である。本稿では,この問題に対処するために,プロトタイプネットワークアルゴリズムを用いた数ショット学習(FSL)手法を提案する。 TBX11K Chest X-rayデータセットからの特徴抽出におけるResNet-18,ResNet-50,VGG16の性能を比較した。実験の結果、ResNet-18の98.93%、ResNet-50の98.60%、VGG16の33.33%の分類精度が確認された。これらの結果から,本手法はデータ不均衡の軽減に他よりも優れており,特に疾患分類の応用に有用であることが示唆された。

関連論文リスト

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)
Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文参考訳（メタデータ） (2023-03-03T12:05:41Z)
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)
A novel framework based on deep learning and ANOVA feature selection method for diagnosis of COVID-19 cases from chest X-ray Images [0.0]
新型コロナウイルスは武漢で最初に確認され、急速に世界中に広がった。最もアクセスしやすい方法はRT-PCRである。 RT-PCRと比較すると,胸部CTと胸部X線像が優れた結果を示した。 DenseNet169はX線画像から特徴を抽出するために使用された。
論文参考訳（メタデータ） (2021-09-30T16:10:31Z)
Evaluation of Convolutional Neural Networks for COVID-19 Classification on Chest X-Rays [7.509537244787675]
我々は,Digital Chest X線による新型コロナウイルスによる肺炎の同定のための畳み込みニューラルネットワークの評価を提案する。提案手法は、XRの前処理ステップ、データ拡張、および畳み込みアーキテクチャDenseNet121、InResceptionNetV2、InceptionV3、MovileNetV2、ResNet50、VGG16による分類からなる。その結果, VGG16アーキテクチャはXRの分類において優れた性能を示した。
論文参考訳（メタデータ） (2021-09-06T12:57:55Z)
Reliable Tuberculosis Detection using Chest X-ray with Deep Learning, Segmentation and Visualization [0.0]
結核は細菌感染による慢性肺疾患であり、死因のトップ10の1つである。胸部X線画像から, 画像前処理, データ拡張, 画像分割, ディープラーニング分類技術を用いて, TBを確実に検出した。
論文参考訳（メタデータ） (2020-07-29T15:11:34Z)
An Efficient Mixture of Deep and Machine Learning Models for COVID-19 and Tuberculosis Detection Using X-Ray Images in Resource Limited Settings [2.408714894793063]
最前線の臨床医は、症状のある患者が本当に新型コロナウイルスに感染しているかどうかを迅速に判断する必要がある。この作業の難しさは、バイオテクノロジーテストにアクセスできない可能性のある低い資源設定で悪化する。胸部X線画像から深部特徴(DF)を抽出し,その後の機械学習手法を用いて分類する。
論文参考訳（メタデータ） (2020-07-16T09:49:49Z)
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)
Adaptive Feature Selection Guided Deep Forest for COVID-19 Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。 AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文参考訳（メタデータ） (2020-05-07T06:00:02Z)
JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文参考訳（メタデータ） (2020-04-15T12:30:40Z)
Detection of Coronavirus (COVID-19) Associated Pneumonia based on Generative Adversarial Networks and a Fine-Tuned Deep Transfer Learning Model using Chest X-ray Dataset [4.664495510551646]
本稿では, 限られたデータセットに対して, 微調整深層移動学習を施したGANを用いた肺炎胸部X線検出法を提案する。この研究で使用されるデータセットは、正常と肺炎の2つのカテゴリを持つ5863のX線画像で構成されている。
論文参考訳（メタデータ） (2020-04-02T08:14:37Z)

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。