文献

J-GLOBAL ID：202202222376691724   整理番号：22A0788064

スカースデータ条件下の三重項ネットワークに基づくX線画像によるCOVID-19の検出に関する研究【JST・京大機械翻訳】

Research on the detection of COVID-19 via X-ray images based on triplet network under the condition of scarce data

著者 (1件)： Sun Ji (School of Artificial Intelligence, Jilin University,Changchun,Jilin,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCECE  ページ： 288-291  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 国際的に広がるOミクロンの大流行により,感染患者をスクリーニングするための迅速な,効果的かつ正確な方法を求める緊急の必要性がある。異常な胸部X線像がCOVID-19に感染した患者を確認する重要な証拠であることを初期研究で見出した。したがって,様々な十分な胸部X線写真で訓練された深層ニューラルネットワーク(DNN)モデルは,医療スクリーニングと臨床診断の代替になる。DNNの有効性は,他の因子よりむしろ胸部X線画像のスケールによって主に決定される。重要なことに,より不十分な訓練セットは,より悪いDNNを実行するであろう。本論文では,計量学習に由来する三重ネットワークを,不十分な医療データの問題に取り組むために適用した。ImageNet上で事前訓練されたVGG-16モデルを最適化するために,異なる3重項損失関数を用いて,著者らのモデルは,患者の感染COVID-19を選別し,正常,肺炎およびCOVID-19胸部医用画像を,不十分なデータにもかかわらず,迅速かつ正確に識別することを可能にする。TriHard損失モデルの91.5%の精度と92.4%の正確性の三重中心損失モデルを達成して,これらのすべては,ベースモデルより良い結果を証明した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  学習 ,  損失関数 ,  *ネットワーク ,  肺炎 ,  *X線画像 ,  医用画像 ,  有効性 ,  スクリーニング
準シソーラス用語： 胸部X線撮影 ,  胸部X線写真 ,  臨床診断 ,  正確性 ,  胸部X線画像 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 三重項 ,  X線画像 ,  COVID-19 ,  研究