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。
本論文では,胸部CTスキャンにおける地上ガラス容量と圧密の検出とセグメンテーションに対するモデルを比較した。これらの病変領域は,しばしば一般的な肺炎とCOVID-19の両方と関連する。Mask R-CNNモデルを訓練し,3つのアプローチを用いて高精度でこれらの領域をセグメント化した:これらの病変に対するマスクを1つに併合し,Consolationのためのマスクを削除し,両マスクを別々に使用した。最良のモデルは,すべての精度閾値にわたってインスタンスセグメンテーションのためのMS COCO基準を用いて44.68%の平均精度を達成した。分類モデル,COVID-CT-Mask-Netは,COVID-19対一般的肺炎対対照の存在を予測するために学習し,訓練データの小部分を用いて,COVIDx-CT試験スプリット(21192CTスキャン)で,93.88%のCOVID-19感度,95.64%の総合精度,95.06%の一般肺炎感受性,および96.91%の真陰性率を達成した。また,セグメンテーションと分類精度の両方に及ぼす重複物体予測の非最大抑制の影響を分析する。フルソースコード,モデルおよび事前訓練重みは,https://github.com/AlexTS1980/COVID CT Mask Net上で利用可能である。【JST・京大機械翻訳】