文献

J-GLOBAL ID：202202218618464874   整理番号：22A0027622

低画質CT画像の深層学習ベースCOVID-19診断【JST・京大機械翻訳】

Deep Learning-Based COVID-19 Diagnostics of Low-Quality CT Images

著者 (8件)： Ferber Daniel (Institute of Computing, University of Campinas, Campinas, SP, Brazil) ,  Vieira Felipe (Institute of Computing, University of Campinas, Campinas, SP, Brazil) ,  Dalben Joao (Institute of Computing, University of Campinas, Campinas, SP, Brazil) ,  Ferraz Mariana (Institute of Computing, University of Campinas, Campinas, SP, Brazil) ,  Sato Nicholas (Institute of Computing, University of Campinas, Campinas, SP, Brazil) ,  Oliveira Gabriel (Institute of Computing, University of Campinas, Campinas, SP, Brazil) ,  Padilha Rafael (Institute of Computing, University of Campinas, Campinas, SP, Brazil) ,  Dias Zanoni (Institute of Computing, University of Campinas, Campinas, SP, Brazil)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13063  ページ： 69-80  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人口のマステストは,COVID-19パンデミックと戦うための最も効果的な対策である。既存の診断法の中で,深層学習ベースの解決策は,手頃で,迅速で,正確である可能性がある。しかし,これらの技術は,しばしば医療シナリオで利用できない高品質データセットに依存する。本研究では,COVIDx-CTデータセット[6]からコンピュータ断層撮影画像上でCOVID-19を診断するために畳み込みニューラルネットワークを用いた。利用可能なスキャンは,しばしば,センサおよび捕捉関連エラーから生じる雑音のあるアーチファクトを示し,もし,もし,もしこの意味で,それらの影響を低減し,より正確な方法を得るために,いくつかの前処理戦略を探求した。著者らの最良モデル,前処理画像で微調整されたResNet50は,同じ患者から複数の画像を処理するとき,単一画像と[数式:原文を参照]で刺激するとき,[数式:原文を参照]精度を得た。高精度の達成に加えて,解釈可能性実験は,ネットワークが肺と胸部領域から正確に特徴を学習することを示した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  ネットワーク ,  前処理 ,  *画質 ,  捕獲 ,  センサ ,  計算機トモグラフィー ,  アーチファクト
準シソーラス用語： *CT画像 ,  高精度 ,  高品質 ,  汎発流行性 ,  微調整 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： COVID-19診断 ,  CT画像解析 ,  深層学習

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 画質 ,  CT画像 ,  深層学習 ,  COVID-19 ,  診断