Fugu-MT 論文翻訳(概要): Pulmonary Tuberculosis Edge Diagnosis System Based on MindSpore Framework: Low-cost and High-precision Implementation with Ascend 310 Chip

論文の概要: Pulmonary Tuberculosis Edge Diagnosis System Based on MindSpore Framework: Low-cost and High-precision Implementation with Ascend 310 Chip

arxiv url: http://arxiv.org/abs/2502.14885v1
Date: Sat, 15 Feb 2025 15:05:21 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-02 02:51:30.787543
Title: Pulmonary Tuberculosis Edge Diagnosis System Based on MindSpore Framework: Low-cost and High-precision Implementation with Ascend 310 Chip
Title（参考訳）: MindSpore Frameworkを用いた肺結核エッジ診断システム:Ascend 310チップによる低コスト・高精度実装
Authors: HaoYu Li,
Abstract要約: 本稿ではHuawei MindSporeフレームワークとAscend310エッジコンピューティングチップを用いた肺結核の補助診断システムを提案する。このシステムはOrange pie AIPro(Atlas 200 DK)エッジデバイス上でFP16ハイブリッド精度で動作し、良好に動作する。
参考スコア（独自算出の注目度）: 10.17688205182389
License:
Abstract: Pulmonary Tuberculosis (PTB) remains a major challenge for global health, especially in areas with poor medical resources, where access to specialized medical knowledge and diagnostic tools is limited. This paper presents an auxiliary diagnosis system for pulmonary tuberculosis based on Huawei MindSpore framework and Ascend310 edge computing chip. Using MobileNetV3 architecture and Softmax cross entropy loss function with momentum optimizer. The system operates with FP16 hybrid accuracy on the Orange pie AIPro (Atlas 200 DK) edge device and performs well. In the test set containing 4148 chest images, the model accuracy reached 99.1\% (AUC = 0.99), and the equipment cost was controlled within \$150, providing affordable AI-assisted diagnosis scheme for primary care.
Abstract（参考訳）: 肺結核(PTB)は、特に医療資源が乏しい地域では、専門的な医療知識や診断ツールへのアクセスが限られている。本稿ではHuawei MindSporeフレームワークとAscend310エッジコンピューティングチップを用いた肺結核の補助診断システムを提案する。 MobileNetV3アーキテクチャとSoftmaxクロスエントロピー損失関数を用いてモーメント最適化を行う。このシステムはOrange pie AIPro(Atlas 200 DK)エッジデバイス上でFP16ハイブリッド精度で動作し、良好に動作する。 4148個の胸部画像を含むテストセットでは、モデルの精度は99.1\%(AUC = 0.99)に達し、設備コストは150ドル以内で制御され、プライマリケアのための安価なAI支援診断スキームが提供された。

関連論文リスト

Cancer-Net PCa-Seg: Benchmarking Deep Learning Models for Prostate Cancer Segmentation Using Synthetic Correlated Diffusion Imaging [65.83291923029985]
前立腺癌(PCa)は米国で最も多いがんであり、約30,000人、全診断の29%、2024年に35,000人が死亡した。前立腺特異的抗原 (PSA) 検査やMRI (MRI) などの従来のスクリーニング法は診断において重要であるが、特異性や一般化性には限界がある。我々はU-Net、SegResNet、Swin UNETR、Attention U-Net、LightM-UNetといった最先端のディープラーニングモデルを用いて、200ドルのCDIからPCa病変を抽出する。
論文参考訳（メタデータ） (2025-01-15T22:23:41Z)
Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
論文参考訳（メタデータ） (2023-12-26T18:20:48Z)
Real-Time Magnetic Tracking and Diagnosis of COVID-19 via Machine Learning [2.737411991771932]
新型コロナウイルス(COVID-19)のパンデミックは、安定した公衆衛生介入のための信頼性の高い非侵襲的な診断ツールの重要性を浮き彫りにした。本研究では、MRSTと機械学習(ML)を融合させて、新型コロナウイルスやその他の呼吸器疾患のリアルタイム追跡と診断のための診断プラットフォームを構築した。
論文参考訳（メタデータ） (2023-11-01T13:57:33Z)
Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文参考訳（メタデータ） (2021-11-18T00:43:41Z)
Detecting COVID-19 from Chest Computed Tomography Scans using AI-Driven Android Application [1.801433289653728]
新型コロナウイルス(コロナウイルス)は、2021年6月までに全世界で400万人以上の死者を出した1億8600万人以上に影響を与えた。本研究は,高効率かつ高精度なディープラーニングアルゴリズムを用いて,胸部CTスキャンから新型コロナウイルス感染を検出する新しいAndroidアプリケーションを開発することを提案する。この研究で新型コロナウイルスを検出するために訓練されたニューラルネットワークは、99.58%、感度99.69%のF1スコアと精度でテストされている。
論文参考訳（メタデータ） (2021-11-06T16:35:24Z)
COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文参考訳（メタデータ） (2021-08-05T16:47:33Z)
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)
Probabilistic combination of eigenlungs-based classifiers for COVID-19 diagnosis in chest CT images [6.1020196190084555]
新型コロナウイルスの感染者数は1億人以上で、2400万人以上が死亡している。胸部X線(CXR)や胸部CT(CCT)などの医療画像の使用は、優れたソリューションであることが証明されています。肺炎パターンを同定するために,確率的支援ベクトルマシン(SVM)に基づくアンサンブル分類器を提案する。
論文参考訳（メタデータ） (2021-03-04T11:30:38Z)
End-to-end Prostate Cancer Detection in bpMRI via 3D CNNs: Effect of Attention Mechanisms, Clinical Priori and Decoupled False Positive Reduction [0.0]
本研究では、Bi-parametric MR Imaging (bpMRI) における臨床的に重要な前立腺癌(csa)の自動局在化のための新しい3Dコンピュータ支援診断モデルを提案する。ディープアテンションメカニズムはその検出ネットワークを駆動し、多解像度で健全な構造と高度に識別可能な特徴次元をターゲットにしている。 CNNベースのモデルは、独立コホートにおける生検で確認された悪性腫瘍を検出するために訓練することができる。
論文参考訳（メタデータ） (2021-01-08T22:59:30Z)
Deep Convolutional Neural Networks to Diagnose COVID-19 and other Pneumonia Diseases from Posteroanterior Chest X-Rays [0.0]
最高のパフォーマンスネットワークはVGG16で、3つのクラス(COVID-19, No Finding, Other Pneumonia)でトレーニングされた最後の30ドル%のドロップアウトだ。内部検定精度は93.9(pm3.4)$%、COVID-19感受性は87.7(-1.9,+2)$%、No Finding感受性は96.8(pm0.8)$%である。
論文参考訳（メタデータ） (2020-05-02T14:42:50Z)
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)

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。