新しいコロナウイルス肺炎とインフルエンザ肺炎を区別するための改良型深層学習モデル【JST・京大機械翻訳】

Zhou, M.; Chen, Y.; Wang, D.; Xu, Y.; Yao, W.; Huang, J.; Jin, X.; Pan, Z.; Tan, J.; Wang, L.; Xia, Y.; Zou, L.; Xu, X.; Wei, J.; Guan, M.; Feng, J.; Zhang, H.; Qu, J.

プレプリント

J-GLOBAL ID：202202205111028929 整理番号：22P0261411

新しいコロナウイルス肺炎とインフルエンザ肺炎を区別するための改良型深層学習モデル【JST・京大機械翻訳】

Improved deep learning model for differentiating novel coronavirus pneumonia and influenza pneumonia

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (18件)： , , , , , , , , , , , , , , , , ,
資料名：
発行年： 2020年03月30日プレプリントサーバーでの情報更新日： 2020年03月30日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

【背景】Chest CTは,初期段階で新規コロナウイルス肺炎(NCP)を診断する際に高感度であり,それは発症の時間において核酸検出を上回る利点を与えた。深層学習は,臨床画像から複雑な構造を発見し,医用画像分析で専門家レベル性能を達成することが報告されている。NCPの自動検出に対する胸部CT画像に関する統合深層学習フレームワークを開発し,検証するために,特にインフルエンザ肺炎(IP)からのNCPの識別に焦点を当てた。【方法】35の確認されたNCP症例を,2015年5月から2020年2月までの156人のIP患者を含むセンターからのウイルス性肺炎患者361人と共に,3つのNCP指定病院における1138人の疑わしい患者からの訓練セットとして連続的に登録した。外部検証セットは,57人のNCP患者と8つのセンターからの50人のIP患者を登録した。【結果】NCP病変の96.6%は1cmより大きく,76.8%は-500Hu未満の強度で,5~10mmの範囲の結節を有するIP病変より,より少ない強化を示した。分類スキームは,0.93以上の受信者動作特性曲線(AUC)の下で,NCPとIP病変を正確に識別した。Trinaryスキームは,単純方式よりも,よりデバイス独立であり,専門家と整合し,それは,プレーン方式(0.774),専門家(0.785)および住民(0.644)より高いF1スコア0.847を達成した。結論:著者らの研究は,高い移植性を有するNCPのための胸部CTに関する正確な早期診断ツールを提供して,NCPとIPを区別する際に高効率を示して,誤診を減少して,大流行伝染を含むことを助ける。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , , , , 【Automatic Indexing@JST】

感染症・寄生虫症一般 , 呼吸器の診断

, , , ,

前のページに戻る