抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】