論文の概要: A Comprehensive Analysis of COVID-19 Detection Using Bangladeshi Data and Explainable AI

• arxiv url: http://arxiv.org/abs/2506.07234v1
• Date: Sun, 08 Jun 2025 17:38:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.724662
• Title: A Comprehensive Analysis of COVID-19 Detection Using Bangladeshi Data and Explainable AI
• Title（参考訳）: バングラデシュのデータと説明可能なAIを用いた新型コロナウイルス検出の包括的分析
• Authors: Shuvashis Sarker,
• Abstract要約: 新型コロナウイルスは急速に広まり、感染性の高いウイルスで、世界的なパンデミックを引き起こしている。 本研究は、バングラデシュの4,350枚の画像を用いて、CXR画像の新型コロナウイルス検出を改善することに焦点を当てた。 ML、DL、TLモデルは、98%の精度でVGG19モデルに採用されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: COVID-19 is a rapidly spreading and highly infectious virus which has triggered a global pandemic, profoundly affecting millions across the world. The pandemic has introduced unprecedented challenges in public health, economic stability, and societal structures, necessitating the implementation of extensive and multifaceted health interventions globally. It had a tremendous impact on Bangladesh by April 2024, with around 29,495 fatalities and more than 2 million confirmed cases. This study focuses on improving COVID-19 detection in CXR images by utilizing a dataset of 4,350 images from Bangladesh categorized into four classes: Normal, Lung-Opacity, COVID-19 and Viral-Pneumonia. ML, DL and TL models are employed with the VGG19 model achieving an impressive 98% accuracy. LIME is used to explain model predictions, highlighting the regions and features influencing classification decisions. SMOTE is applied to address class imbalances. By providing insight into both correct and incorrect classifications, the study emphasizes the importance of XAI in enhancing the transparency and reliability of models, ultimately improving the effectiveness of detection from CXR images.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)は急速に広まり、感染性の高いウイルスで、世界的なパンデミックを引き起こしている。 パンデミックは、公衆衛生、経済安定、社会構造において前例のない課題を導入し、世界中の広範囲かつ多面的な健康介入の実施を必要とした。 バングラデシュでは2024年4月までに29,495人が死亡し、200万人以上が確認された。 本研究は、バングラデシュの4,350枚の画像を用いて、CXR画像の新型コロナウイルス検出を改善することに焦点を当てた。 ML、DL、TLモデルは、98%の精度でVGG19モデルに採用されている。 LIMEは、モデルの予測を説明し、分類決定に影響を与える領域と特徴を強調します。 SMOTEはクラス不均衡に対処するために適用される。 正しい分類と誤分類の両方に関する洞察を提供することで、モデルの透明性と信頼性を高める上で、XAIの重要性を強調し、最終的にCXR画像の検出の有効性を向上させる。

関連論文リスト

• Deep Learning Models for Classification of COVID-19 Cases by Medical Images [0.0]
  本研究は,感染患者の正確な分類に深層学習モデルの力を利用する。 われわれの研究は、医療画像の識別と識別を含むCovid-19分類を含んでいる。 本研究は、これらのモデルの有効性と、新型コロナウイルス対策の国際的取り組みに多大な貢献をする可能性を示すものである。
  論文  参考訳（メタデータ） (2023-10-24T11:48:40Z)
• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• Comparative Analysis of State-of-the-Art Deep Learning Models for Detecting COVID-19 Lung Infection from Chest X-Ray Images [3.829821362301428]
  胸部X線画像を用いた新型コロナウイルス感染を自動的に検出するための最新の最先端のDeep Convolutional Neural Networks(CNN)の適用性について検討した。 トレーニングしたモデルMobileNet,EfficentNet,InceptionV3はそれぞれ95%,95%,94%の分類平均精度を達成した。
  論文  参考訳（メタデータ） (2022-07-01T02:23:23Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• MobileCaps: A Lightweight Model for Screening and Severity Analysis of COVID-19 Chest X-Ray Images [2.6599893784722948]
  胸部X線は、新型コロナウイルス患者の初期スクリーニングに広く採用されている画像モダリティである。 我々はMobileNetV2アーキテクチャを特徴抽出器として利用し、Capsule Networksに統合し、MobileCapsと呼ばれる完全に自動化され軽量なモデルを構築する。 分類モデルは, 91.60, 94.60, 92.20, 精度98.50, 88.21, 92.62, 非肺炎, 健常例の総合的リコールを達成した。
  論文  参考訳（メタデータ） (2021-08-19T16:33:05Z)
• Can Self Reported Symptoms Predict Daily COVID-19 Cases? [12.029443053416399]
  機械学習モデルを開発し、自己報告症状を用いてCOVID-19の流行を推定する。 その結果,グローバルモデルとは対照的に,局所モデルに対する誤差が低かった。 この研究は、オンラインプラットフォームを介して収集されたクラウドソースデータに基づいて開発されたモデルが、既存の疫学的監視インフラストラクチャを補完できることを示しています。
  論文  参考訳（メタデータ） (2021-05-18T07:26:09Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
  COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。 肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
  論文  参考訳（メタデータ） (2021-03-18T03:31:33Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• CoroNet: A deep neural network for detection and diagnosis of COVID-19 from chest x-ray images [0.0]
  CoroNetは、胸部X線画像からCOVID-19感染を自動的に検出するDeep Conceptional Neural Networkモデルである。 提案したモデルは全体の89.6%の精度を達成し、新型コロナウイルス患者の精度とリコール率は93%と98.2%である。
  論文  参考訳（メタデータ） (2020-04-10T07:46:07Z)

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。