文献

J-GLOBAL ID：202002281311286297   整理番号：20A2084716

胸部X線における結核異常検出:深層学習アプローチ【JST・京大機械翻訳】

Tuberculosis Abnormality Detection in Chest X-Rays: A Deep Learning Approach

著者 (2件)： Oloko-Oba Mustapha (School of Mathematics, Statistics and Computer Sciences, University of KwaZulu-Natal, Durban, South Africa) ,  Viriri Serestina (School of Mathematics, Statistics and Computer Sciences, University of KwaZulu-Natal, Durban, South Africa)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12334  ページ： 121-132  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 結核は,特に発展途上国で多くの生活を主張している。治療は可能であるが,結核の存在を検出する正確な診断を必要とする。いくつかのスクリーニング技術が存在し,最も信頼性が高いのは胸部X線であるが,胸部X線画像を正確に解釈するための必要な放射線学的専門知識は不足している。放射線科医による大きな胸部X線画像の手動検査の課題は時間がかかり,専門知識の欠如の結果として誤診をもたらす。したがって,計算機支援診断は,この課題を迅速かつ正確に診断し,最終的に疾患を治療する能力を劇的に改善する。胸部X線の手動診断を取り囲む複雑性の結果として,著者らは,結核に関連する特徴を効果的に学習するために学習アルゴリズム(畳込みニューラルネットワーク)の使用を採用するモデルを提案し,対応する正確な予測を行う。著者らのモデルは,胸部X線を異常および正常クラスに分類する際に87.8%の精度を達成し,グランドトルースに対して検証した。著者らのモデルは,結核症状の早期検出における診断問題を解決する有望な経路を表し,発展途上国における放射線科医および医療施設を希望する。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  計算機診断 ,  *結核 ,  発展途上国 ,  放射線医学 ,  医療施設 ,  スクリーニング ,  呼吸器診断 ,  学習アルゴリズム
準シソーラス用語： *胸部X線撮影 ,  放射線科医 ,  複雑性 ,  異常検出 ,  胸部X線画像 ,  グランドトゥルース ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 結核 ,  胸部X線 ,  分類 ,  深層学習 ,  肺 ,  畳込みニューラルネットワーク

分類 (2件)： 呼吸器の診断  (GI02000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 胸部X線 ,  結核 ,  異常検出 ,  深層学習