自動COVID-19スクリーニングのための深層学習を用いた胸部X線分類【JST・京大機械翻訳】

Shelke, A.; Inamdar, M.; Shah, V.; Tiwari, A.; Hussain, A.; Chafekar, T.; Mehendale, N.

プレプリント

J-GLOBAL ID：202202205537101151 整理番号：22P0266369

自動COVID-19スクリーニングのための深層学習を用いた胸部X線分類【JST・京大機械翻訳】

Chest X-ray classification using Deep learning for automated COVID-19 screening

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 (7件)： , , , , , ,
資料名：
発行年： 2020年06月23日プレプリントサーバーでの情報更新日： 2020年06月23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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

今日の世界では,コロナウイルスに起因するCOVID-2019として知られる人類の歴史における最悪のパンデミックの1つを戦うために,我々のセルベスを strぐことを見出す。早期(下気道に入る)でウイルスを検出すると,患者は迅速に治療できる。ウイルスが肺に達すると,肺の線維症により胸部X線でガラス陰影を観察した。感染と非感染者のX線画像間の有意差により,人工知能技術は感染の存在と重症度の同定に使用できる。胸部X線を解析し,COVID-19の正確な診断を助ける分類モデルを提案した。著者らの方法論は胸部X線を4クラス,すなわち正常,肺炎,結核(TB),およびCOVID-19に分類する。さらに,COVID-19を示すX線は,軽度,中,および重度に重度の基礎に分類される。肺炎,TB,および正常の分類に用いた深層学習モデルは,95.9%の精度でVGG16である。正常肺炎とCOVID-19の分離のために,高密度Net-161を98.9%の精度で使用した。ResNet-18は,最高76%の精度を達成する重症度分類のために最良であった。本アプローチは,COVID-19の一次検証としてX線を用いた人々のマススクリーニングを可能にする。【JST・京大機械翻訳】

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

呼吸器の診断 , 感染症・寄生虫症一般

, , , ,

前のページに戻る