文献

J-GLOBAL ID：202102213006254890   整理番号：21A0903046

胸部X線画像に基づく深層学習モデルを用いた深い肺炎フレームワーク【JST・京大機械翻訳】

Deep-Pneumonia Framework Using Deep Learning Models Based on Chest X-Ray Images

著者 (3件)： Elshennawy Nada M. (Computers and Control Engineering Department, Faculty of Engineering, Tanta University, Tanta 31733, Egypt) ,  Ibrahim Dina M. (Computers and Control Engineering Department, Faculty of Engineering, Tanta University, Tanta 31733, Egypt) ,  Ibrahim Dina M. (Department of Information Technology, College of Computer, Qassim University, Buraydah, Saudi Arabia)
資料名： Diagnostics (Web)  (Diagnostics (Web))
巻： 10  号： 9  ページ： 649  発行年： 2020年 
JST資料番号： U7173A  ISSN： 2075-4418  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 肺炎は,肺の潰瘍を引き起こす伝染性疾患であり,世界中の子供と高齢者の間の死亡の主要な原因の1つである。胸部X線画像から肺炎を検出するためのいくつかの深い学習モデルを提案した。極端な課題の1つは,すべての性能計量を満たす適切で効率的なモデルを見つけることであった。肺炎の検出と分類のための効率的で強力な深層学習モデルの提供は,本研究の主目的である。本論文では,4つの異なるモデルを,使用した深層学習法を用いて開発した。2つの事前訓練モデル,ResNet152V2とMobileNetV2,畳込みニューラルネットワーク(CNN),およびLong Short-Term記憶(LSTM)。提案モデルを実装し,Pythonを用いて評価し,最近の類似の研究と比較した。結果は,著者らの提案した深層学習フレームワークが,精度,F1スコア,想起,および曲線下面積(AUC)を,それぞれ,99.22%,99.43%,99.44%,および99.77%改善することを証明した。結果から明確に例証されるように,ResNet152V2モデルは最近提案された他の研究よりも性能が優れている。さらに,他の提案されたモデル-MobileNetV2,CNN,およびLSTM-CNNは,精度,想起,F1スコア,精度,およびAUCにおいて91%以上の結果を持ち,文献において最近導入されたモデルを超える。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習モデル ,  *肺炎 ,  潰瘍 ,  子供 ,  血中濃度-時間曲線下面積
準シソーラス用語： Python ,  *胸部X線画像 ,  *深層学習 ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (5件)： 肺炎の検出 ,  深層学習 ,  CNN ,  LSTM ,  胸部X線画像

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (37件)：

• Rahman, T.; Chowdhury, M.E.; Khandakar, A.; Islam, K.R.; Islam, K.F.; Mahbub, Z.B.; Kadir, M.A.; Kashem, S. Transfer Learning with Deep Convolutional Neural Network (CNN) for Pneumonia Detection using Chest X-ray. Appl. Sci. 2020, 10, 3233.
• Ayan, E.; Ünver, H.M. Diagnosis of pneumonia from chest x-ray images using deep learning. In Proceedings of the Scientific Meeting on Electrical-Electronics Biomedical Engineering and Computer Science (EBBT), Istanbul, Turkey, 24-26 April 2019; Volume 7, pp. 1-5.
• Nguyen, K.P.; Son, T.H.; Le, T.H.; Tuan, L.; Nguyen, T.T. Applying multi-cnns model for detecting abnormal problem on chest x-ray images. In Proceedings of the 10th International Conference on Knowledge and Systems Engineering (KSE), Ho Chi Minh City, Vietnam, 1-3 November 2018; pp. 300-305.
• Labhane, G.; Pansare, R.; Maheshwari, S.; Tiwari, R.; Shukla, A. Detection of Pediatric Pneumonia from Chest X-Ray Images using CNN and Transfer Learning. In Proceedings of the 3rd International Conference on Emerging Technologies in Computer Engineering: Machine Learning and Internet of Things (ICETCE), Jaipur, India, 7-8 February 2020; pp. 85-92.
• Stephen, O.; Sain, M.; Maduh, U.J.; Jeong, D.U. An efficient deep learning approach to pneumonia classification in healthcare. J. Healthc. Eng. 2019, 2019, 4180949.

タイトルに関連する用語 (5件)： 胸部X線画像 ,  深層学習 ,  モデル ,  肺炎 ,  フレームワーク