文献

J-GLOBAL ID：202002249980105145   整理番号：20A0076344

肺疾患分類のための畳込みニューラルネットワークに基づく効率的アプローチ【JST・京大機械翻訳】

Convolutional neural networks based efficient approach for classification of lung diseases

著者 (3件)： Demir Fatih (Electrical and Electronics Engineering Dept., Technology Faculty, Firat University, Elazig, Turkey) ,  Sengur Abdulkadir (Electrical and Electronics Engineering Dept., Technology Faculty, Firat University, Elazig, Turkey) ,  Bajaj Varun (Discipline of ECE, IIITDM, Jabalpur, India)
資料名： Health Information Science and Systems  (Health Information Science and Systems)
巻： 8  号： 1  ページ： 1-8  発行年： 2020年 
JST資料番号： W4406A  ISSN： 2047-2501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 世界で最も一般的な死亡原因である肺疾患の治療は,医療分野で非常に重要である。人工知能適合装置により肺疾患を診断し,それらの診断に専門家を支援するために,ステトスコープで記録された肺音を用いた多くの研究が文献で行われている。本論文では,異なるサンプル周波数,雑音および背景音を含むICBHI2017データベースを,肺音の分類に用いた。肺音信号は,時間-周波数法を用いて最初にスペクトログラム画像に変換された。時間-周波数変換として短時間Fourier変換(STFT)法を検討した。2つの深い学習ベースのアプローチを,肺音分類のために使用した。最初のアプローチにおいて,事前訓練された深い畳込みニューラルネットワーク(CNN)モデルを特徴抽出のために使用し,サポートベクトルマシン(SVM)分類装置を肺音の分類に使用した。第二のアプローチでは,事前訓練された深いCNNモデルを,肺音分類のためのスペクトログラム画像を介して微調整(伝達学習)した。提案した方法の精度を10倍交差検証を用いて試験した。第1と第2の提案方法の精度は,それぞれ65.5%と63.09%であった。次に得られた精度をいくつかの既存の結果と比較し,得られたスコアが他の結果より良いことがわかった。Copyright 2019 The Author(s) Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 死因 ,  周波数変換 ,  特徴抽出 ,  人工知能 ,  雑音 ,  学習 ,  サポートベクトルマシン ,  分類装置 ,  データベース ,  *肺疾患 ,  協同組合
準シソーラス用語： スペクトログラム ,  呼吸音 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 肺疾患の検出 ,  深層学習 ,  畳み込みニューラルネットワーク ,  時間-周波数画像

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 肺疾患 ,  分類 ,  畳込みニューラルネットワーク