文献

J-GLOBAL ID：202002277163888629   整理番号：20A2724959

2Dカーブレット変換,カオスsalpスウォームアルゴリズムおよび深層学習技術からなるハイブリッドモデルによるX線画像からのCOVID-19疾患の認識【JST・京大機械翻訳】

Recognition of COVID-19 disease from X-ray images by hybrid model consisting of 2D curvelet transform, chaotic salp swarm algorithm and deep learning technique

著者 (2件)： Altan Aytac (Department of Electrical Electronics Engineering, Zonguldak Buelent Ecevit University, 67100 Zonguldak, Turkey) ,  Karasu Seckin (Department of Electrical Electronics Engineering, Zonguldak Buelent Ecevit University, 67100 Zonguldak, Turkey)
資料名： Chaos, Solitons & Fractals  (Chaos, Solitons & Fractals)
巻： 140  ページ： Null  発行年： 2020年 
JST資料番号： W0310A  ISSN： 0960-0779  CODEN： CSFOEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 湖北省,武漢市において検出された新規コロナウイルス病2019(COVID-19)は,中国,湖北省で,急速に拡大して,世界においてすべての国に影響をおよぼす。リアルタイム逆転写-ポリメラーゼ連鎖反応(RT-PCR)試験は,疾患の診断のための標準試験法として世界保健機構(WHO)によって記述されてきた。しかし,この試験の結果が数時間と2日の間に得られることを考慮すると,この試験の代替法として別の診断法を適用することは非常に重要である。RT-PCR試験キットは数に限られ,試験結果が長時間で得られ,試験中に病気に感染する医療従事者の高い確率は,これらの試験キットの代替として他の診断法の使用を必要とする。本研究では,2次元(2D)カーブレット変換,カオスサップスウォームアルゴリズム(CSSA)および深層学習技術から成るハイブリッドモデルを,X線画像からコロナウイルス肺炎に感染した患者を決定するために開発した。提案モデルにおいて,2Dカーブレット変換を患者の胸部X線ラジオグラフから得た画像に適用し,得られた係数を用いて特徴行列を形成した。CSSAとCOVID-19疾患の助けを借りて,特徴行列の係数を最適化して,深い学習方法の1つである効率的Net-B0モデルによって診断した。実験結果は,提案したハイブリッドモデルが胸部X線画像から高精度でCOVID-19疾患を診断できることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  肺炎 ,  世界保健機関 ,  医療従事者 ,  *二次元 ,  放射線画像 ,  *X線画像 ,  *カオス ,  逆転写 ,  PCR法 ,  RT-PCR法
準シソーラス用語： コロナウイルス ,  高精度 ,  *ハイブリッドモデル ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： コロナウイルス ,  Covid-19 ,  深層学習 ,  カーブレット変換 ,  カオスsalpスウォームアルゴリズム

分類 (1件)： 微生物検査法  (EG02020G)

タイトルに関連する用語 (10件)： 2D ,  カーブレット変換 ,  カオス ,  スウォーム ,  アルゴリズム ,  深層学習 ,  ハイブリッドモデル ,  X線画像 ,  COVID-19 ,  疾患