文献

J-GLOBAL ID：202002261794701419   整理番号：20A2520146

COVID-19および他の感染症への胸部X線画像の人工知能に基づく分類【JST・京大機械翻訳】

Artificial Intelligence-Based Classification of Chest X-Ray Images into COVID-19 and Other Infectious Diseases

著者 (3件)： Sharma Arun (Translational Bioinformatics Group, International Centre for Genetic Engineering and Biotechnology (ICGEB), Aruna Asaf Ali Marg, New Delhi 110067, India) ,  Rani Sheeba (Translational Bioinformatics Group, International Centre for Genetic Engineering and Biotechnology (ICGEB), Aruna Asaf Ali Marg, New Delhi 110067, India) ,  Gupta Dinesh (Translational Bioinformatics Group, International Centre for Genetic Engineering and Biotechnology (ICGEB), Aruna Asaf Ali Marg, New Delhi 110067, India)
資料名： International Journal of Biomedical Imaging (Web)  (International Journal of Biomedical Imaging (Web))
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： U7716A  ISSN： 1687-4188  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： コロナウイルス病2019(COVID-19)の進行中の流行は,大きな社会経済的効果とは別に,世界的な健康およびヘルスケア危機につながった。この危機における重大な課題の一つは,COVID-19患者の治療,モニタリング,および管理のためのタイムリーな決定を容易にするために,迅速かつ効率的に同定および監視することである。研究の努力は,RT-PCRに基づく方法を置換または補完するための時間消費の少ない方法を開発することにある。本研究は,COVID-19患者の迅速なスクリーニングのために,胸部X線画像で訓練された効率的な深層学習モデルの作成を目的とする。著者らは,COVID-19と他の主要な感染症のための人工知能(AI)ベースの分類モデルの開発のために,成人COVID-19患者の公的に利用可能なPA胸部X線画像を使用した。データセットサイズを増加させ,一般化モデルを開発するために,元の画像上で25の異なるタイプの増強を行った。さらに,分類モデルの訓練と試験のための移動学習手法を利用した。2つの最良形成モデル(それぞれ286画像で訓練された,120°または140°角度で回転)の組合せは,正常,COVID-19,非COVID-19,肺炎,および結核画像に対して最も高い予測精度を示した。”120°,または140°の角度で回転した”は,正常,COVID-19,非COVID-19,肺炎,および結核画像に対して最も高い予測精度を示した。転送学習アプローチを通して訓練されたAIベースの分類モデルは,研究された疾患を表す胸部X線画像を効率的に分類できる。この方法は以前に発表された方法よりも効率的である。それは,COVID-19に関連した医用イメージングにおける分類問題のためのAIベースの方法の実施に向けた1段階である。Copyright 2020 Arun Sharma et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  結核 ,  肺炎 ,  成人 ,  *人工知能 ,  *感染症 ,  経済効果 ,  RT-PCR法
準シソーラス用語： コロナウイルス ,  予測精度 ,  医用画像処理 ,  *胸部X線画像 ,  深層学習 , 【Automatic Indexing@JST】

分類 (5件)： 生物薬剤学(基礎)  (GY01021U) ,  神経の基礎医学  (GN01020W) ,  泌尿生殖器疾患の治療一般  (GM05010K) ,  免疫性疾患・アレルギー性疾患一般  (GD04010C) ,  有機化合物の各種分析  (CC08034J)

引用文献 (43件)：

• WHO, Naming the coronavirus disease (covid-19) and the virus that causes it, WHO, 2020, https://www.who.int/emergencies/diseases/novel-coronavirus-2019/technical-guidance/naming-the-coronavirus-disease-(covid-2019)-and-the-virus-that-causes-it.
• D. S. Hui, E. I Azhar, T. A. Madani, F. Ntoumi, R. Kock, O. Dar, G. Ippolito, T. D. Mchugh, Z. A. Memish, C. Drosten, A. Zumla, E. Petersen, "The continuing 2019-nCoV epidemic threat of novel coronaviruses to global health - the latest 2019 novel coronavirus outbreak in Wuhan, China," International journal of infectious diseases, vol. 91, pp. 264-266, 2020.
• WHO, Director-General’s opening remarks at the media briefing on COVID-19-11 March 2020, WHO, 2020, https://www.who.int/dg/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing-on-covid-19-20-march-2020.
• WHO, Pneumonia of unknown cause-China, WHO, 2020, https://www.who.int/csr/don/05-january-2020-pneumonia-of-unkown-cause-china/en/.
• WHO, Coronavirus disease (COVID-19) dashboard, 2020, September 2020, https://covid19.who.int/.

タイトルに関連する用語 (5件)： COVID-19 ,  感染症 ,  胸部X線画像 ,  人工知能 ,  分類