残留注意ネットワークを用いたCOVID-19スクリーニング  人工知能アプローチ【JST・京大機械翻訳】

Sharma Vishal; Dyreson Curtis

プレプリント

J-GLOBAL ID：202202212014301242 整理番号：21P0037595

残留注意ネットワークを用いたCOVID-19スクリーニング人工知能アプローチ【JST・京大機械翻訳】

COVID-19 Screening Using Residual Attention Network an Artificial Intelligence Approach

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 (2件)： ,
資料名：
発行年： 2020年06月26日プレプリントサーバーでの情報更新日： 2020年10月20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。

コロナウイルス病2019(COVID-19)は,重症急性呼吸器症候群コロナウイルス2ウイルス(SARS-CoV-2)によって引き起こされる。ウイルスは急速に伝達する。それは,2.2~2.7の基本的生殖数Rを有した。2020年3月に,世界保健機関はCOVID-19大流行を宣言した。COVID-19は,現在,6Mの活性事例で200か国以上に影響している。COVID-19に対する効果的な試験戦略は,発生を制御するのに重要であるが,試験の需要は,逆転写ポリメラーゼ鎖反応(RT-PCR)を使用する試験キットの有用性を凌駕する。本論文では,人工知能を用いてCOVID-19をスクリーニングするための技術を提示する。本技法は,患者のウイルスの存在のスクリーニングに秒だけを要する。胸部X線画像のデータセットを収集し,胸部X線を分類するため,いくつかのポピュラーな深い畳み込みニューラルネットワークベースモデル(VGG,MobileNet,Xception,高密度Net,InceptionResNet)を訓練した。これらのモデルにより不満足に,COVID-19をスクリーニングできる残留注意ネットワークを設計し,構築し,98%の試験精度および100%の検証精度を得た。著者らのモデルの特徴マップ視覚は,分類に重要な胸部X線における領域を示す。この研究は,臨床診療におけるAI支援応用の適応を増加する助けになる。このプロジェクトで用いたコードとデータセットはhttps://github.com/vishalshar/covid 19 screening using RAN on X ray imagesで利用可能である。【JST・京大機械翻訳】

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

感染症・寄生虫症一般

, , , ,

前のページに戻る

残留注意ネットワークを用いたCOVID-19スクリーニング 人工知能アプローチ【JST・京大機械翻訳】

残留注意ネットワークを用いたCOVID-19スクリーニング人工知能アプローチ【JST・京大機械翻訳】