抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
肺炎は,肺に感染するウイルス,細菌または真菌により生じ,診断されない場合,致死的であり,呼吸不全を生じる。米国,主に成人の25万人以上の個人は,毎年肺炎と診断され,疾患から50,000の死亡がある。胸部X線検査(X線)は,肺炎を検出するために放射線科医によって広く使用されている。十分に訓練された放射線科医に対する肺炎検出は稀であり,診断精度の改善の必要性をトリガーする。本研究では,ニューラルネットワークの訓練時間を減らし,汎化誤差を最小化することができる転送学習を提案した。著者らは,肺炎を正確に分類するために,InceptResNet,MobileNetV2,Xception,高密度Net 201,およびResNet152V2のような最先端の深層学習モデルを訓練し,微調整した。その後,これらのモデルの加重平均集合を作成し,98.46%の試験精度,98.38%の精度,99.53%の再現率,および98.96%のf1スコアを達成した。精度,精度およびf1スコアのこれらの性能計量は,文献で報告されている最高レベルであり,正確な肺炎分類のベンチマークと考えられる。【JST・京大機械翻訳】