畳込みニューラルネットワークを用いた胸部X線画像からのCOVID-19検出のための深層学習アプローチ【JST・京大機械翻訳】

Saxena Aditya; Singh Shamsheer Pal

プレプリント

J-GLOBAL ID：202202217498025530 整理番号：22P0279112

畳込みニューラルネットワークを用いた胸部X線画像からのCOVID-19検出のための深層学習アプローチ【JST・京大機械翻訳】

A Deep Learning Approach for the Detection of COVID-19 from Chest X-Ray Images using Convolutional Neural Networks

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： 2022年01月24日プレプリントサーバーでの情報更新日： 2022年01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)

COVID-19(コロナウイルス)は,重症急性呼吸器症候群コロナウイルス2(SARS-CoV-2)によって引き起こされる進行中の流行である。ウイルスは,中国,武漢の湖北省で2019年中旬に最初に同定され,現在,75.5百万以上の確認事例と1.67百万以上の死亡を有する惑星全体に広がった。医療施設において利用可能なCOVID-19試験キットの限られた数で,商業規模で使用できるCOVID-19検出のための代替診断オプションとして自動検出システムを開発し,実装することが重要である。胸部X線は,COVID-19疾患の診断において重要な役割を果たす最初のイメージング技術である。コンピュータビジョンと深層学習技術は,胸部X線画像によるCOVID-19ウイルスの決定を助けることができる。大規模な注釈付き画像データセットの高いアベイラビリティのために,画像分析と分類のために畳み込みニューラルネットワークを用いて大きな成功を達成した。本研究では,二値出力:正常およびCovidを持つ5つのオープンアクセスデータセット上で訓練された深い畳込みニューラルネットワークを提案した。モデルの性能を,4つの事前訓練畳込みニューラルネットワークベースモデル(COVID-Net,ResNet18,ResNetおよびMobileNet-V2)と比較し,提案モデルが,他の4つの事前訓練モデルと比較して,検証セットに対してより良い精度を提供することがわかった。本研究は,商業規模でさらに推進し実装できる有望な結果を提供した。【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