論文の概要: Deep Learning CNN for Pneumonia Detection: Advancing Digital Health in Society 5.0

• arxiv url: http://arxiv.org/abs/2602.13270v1
• Date: Wed, 04 Feb 2026 15:16:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 12:01:13.602398
• Title: Deep Learning CNN for Pneumonia Detection: Advancing Digital Health in Society 5.0
• Title（参考訳）: 肺炎検出のためのディープラーニングCNN:Society 5.0におけるデジタルヘルスの向上
• Authors: Hadi Almohab,
• Abstract要約: 肺炎は深刻な世界的な健康問題であり、高い死亡率と死亡率に寄与している。 本研究では,胸部X線画像から肺炎を自動的に検出する深層学習に基づく畳み込みニューラルネットワーク(CNN)を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pneumonia is a serious global health problem, contributing to high morbidity and mortality, especially in areas with limited diagnostic tools and healthcare resources. This study develops a Convolutional Neural Network (CNN) based on deep learning to automatically detect pneumonia from chest X-ray images. The method involves training the model on labeled datasets with preprocessing techniques such as normalization, data augmentation, and image quality enhancement to improve robustness and generalization. Testing results show that the optimized model achieves 91.67% accuracy, ROC-AUC of 0.96, and PR-AUC of 0.95, demonstrating strong performance in distinguishing pneumonia from normal images. In conclusion, this CNN model has significant potential as a fast, consistent, and reliable diagnostic aid, supporting Society 5.0 by integrating artificial intelligence to improve healthcare services and public well-being.
• Abstract（参考訳）: 肺炎は深刻な世界的な健康問題であり、特に診断ツールや医療資源が限られている地域では高い死亡率と死亡率に寄与している。 本研究では,胸部X線画像から肺炎を自動的に検出する深層学習に基づく畳み込みニューラルネットワーク(CNN)を開発した。 この方法は、正規化、データ拡張、画像品質向上といった前処理技術を用いてラベル付きデータセット上でモデルをトレーニングし、堅牢性と一般化を改善することを含む。 その結果、最適化されたモデルでは精度91.67%、ROC-AUC0.96、PR-AUC0.95が達成され、正常画像と肺炎の鑑別性能が向上した。 結論として、このCNNモデルは、迅速で一貫性があり、信頼性の高い診断支援として有意義な可能性を秘めており、人工知能を統合して医療サービスと公共福祉を改善することにより、Society 5.0を支援している。

関連論文リスト

• Explainable Deep Learning for Pediatric Pneumonia Detection in Chest X-Ray Images [0.0]
  肺炎は世界中で小児の致死率と死亡率の主要な原因となっている。 本研究は,小児肺炎の自動検出のための2つの最先端畳み込みニューラルネットワーク(CNN)アーキテクチャを比較した。
  論文  参考訳（メタデータ） (2026-01-14T19:21:32Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• LightPneumoNet: Lightweight Pneumonia Classifier [0.0]
  この研究では、スクラッチから構築された効率的で軽量な畳み込みニューラルネットワーク(CNN)であるLightPneumoNetを紹介した。 胸部X線画像5,856枚を用いて実験を行った。 独立テストセットでは,本モデルが優れた性能を示し,総合精度0.942,精度0.92,F1スコア0.96を実現した。
  論文  参考訳（メタデータ） (2025-10-13T10:14:17Z)
• Deep Learning-Based Pneumonia Detection from Chest X-ray Images: A CNN Approach with Performance Analysis and Clinical Implications [0.0]
  胸部X線画像から自動的に肺炎を検出するために,Conal Neural Networksを用いた複雑なディープラーニングシステムを提案する。 提案したCNNアーキテクチャは,分離可能な畳み込みやバッチ正規化,ドロップアウト正規化といった高度な手法を統合している。 精度、精度、リコール、F1スコアなどの複雑な評価指標の配列は、精度91の精度を記録して、モデル例外性能を総合的に検証する。
  論文  参考訳（メタデータ） (2025-09-26T11:58:50Z)
• HistoART: Histopathology Artifact Detection and Reporting Tool [37.31105955164019]
  ワイルスライドイメージング(WSI)は、組織標本の詳細な高分解能検査のために広く用いられている。 WSIは、スライドの準備とスキャンの間に導入されたアーティファクトに弱いままです。 本稿では,WSIに対する3つのロバストなアーティファクト検出手法を提案し,比較する。
  論文  参考訳（メタデータ） (2025-06-23T17:22:19Z)
• An Integrated Deep Learning Framework Leveraging NASNet and Vision Transformer with MixProcessing for Accurate and Precise Diagnosis of Lung Diseases [0.12277343096128711]
  NASNet-ViTモデルは、98.9%の精度、0.99の感度、0.989のF1スコア、0.987の特異性を実現している。 これらの結果は,NASNet-ViTが有意な特徴を抽出し,様々な種類の肺疾患を高い精度で認識する上で,高品質な能力を反映している。
  論文  参考訳（メタデータ） (2025-02-27T22:17:38Z)
• Advancing Diagnostic Precision: Leveraging Machine Learning Techniques for Accurate Detection of Covid-19, Pneumonia, and Tuberculosis in Chest X-Ray Images [0.0]
  新型コロナウイルス、結核(TB)、肺炎などの肺疾患は、依然として深刻な世界的な健康上の問題となっている。 救急医療と科学者は、早期の新型コロナウイルス(COVID-19)の診断に信頼性と正確なアプローチを作成するために、集中的に取り組んでいる。
  論文  参考訳（メタデータ） (2023-10-09T18:38:49Z)
• CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis [37.41181188499616]
  深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。 5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。 The U-Net-based model was developed to identified a clinically relevant region of the CXR。
  論文  参考訳（メタデータ） (2022-10-11T13:30:34Z)
• Self-supervised contrastive learning of echocardiogram videos enables label-efficient cardiac disease diagnosis [48.64462717254158]
  心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。 左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。 EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-23T19:17:26Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• 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。