胸部のCTスキャンからCOVID-19を検出するための光CNN【JST・京大機械翻訳】

Polsinelli Matteo; Cinque Luigi; Placidi Giuseppe

プレプリント

J-GLOBAL ID：202202211163080732 整理番号：21P0030251

胸部のCTスキャンからCOVID-19を検出するための光CNN【JST・京大機械翻訳】

A Light CNN for detecting COVID-19 from CT scans of the chest

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 (3件)： , ,
資料名：
発行年： 2020年04月24日プレプリントサーバーでの情報更新日： 2020年04月24日
JST資料番号： O7000B 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。

OVID-19は世界保健機構によって流行として宣言されている世界規模の病気である。胸部のコンピュータトモグラフィ(CT)イメージングは,COVID-19を迅速に検出するための有効な診断ツールであり,疾患の広がりを制御すると思われる。深部学習は医用イメージングで広範囲に使用され,畳込みニューラルネットワーク(CNN)もCT画像の分類に使用されている。著者らは,他のCT画像によるCOVID-19 CT画像の効率的な識別のために,SqueezeNetのモデルに基づく光CNN設計を提案する。テストされたデータセット上で,提案した修正SqueezeNet CNNは,非常に効率的な方法(GPU加速のない7.81秒中端ラップ)において,精度の83.00%,感度の85.00%,特異度81.00%,精度の81.73%,およびF1Sコアの0.8333を達成した。性能の他に,平均分類時間は,より複雑なCNN設計に関して非常に競争力があり,従って,メディアパワーコンピュータ上でその使用性を可能にする。次の将来において,著者らは2つの方向に沿った方法の性能を改良することを狙った。1)訓練データセットの増加により(他のCT画像が利用可能になる)。2)効率的な前処理戦略を導入することによって。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る