文献

J-GLOBAL ID：202202224064382601   整理番号：22A1055538

限られた熱画像データによる新生児疾患の分類【JST・京大機械翻訳】

Classification of neonatal diseases with limited thermal Image data

著者 (2件)： Ervural Saim (Electrical-Electronics Engineering Department, KTO Karatay University, Konya, Turkey) ,  Ceylan Murat (Electrical-Electronics Engineering Department, Konya Technical University, Konya, Turkey)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 7  ページ： 9247-9275  発行年： 2022年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
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： 新生児における体温および熱対称性の評価は,健康状態のモニタリングおよび潜在的リスクの予測に重要である。無害で非接触法であるサーモグラフィーにより,新生児の疾患は適切な人工知能技術を用いて初期段階で検出できる。医用イメージングは,熱環境に対する新生児の感受性により制限される。本研究では,データ増強と人工知能方法論を用いて,限られたデータ(特に新生児疾患)による分類問題の分類モデルを提案した。本研究では,データ増強により生成された画像と,画像から重要な特徴を学習するための畳込みニューラルネットワークの能力を用いて,マルチクラス分類を行い,各クラスで8から16の新生児の範囲の4クラスで,画像から重要な特徴を学習した。すなわち,腹部,心血管および肺異常を有する34人の新生児および10人の新生児未診断(未熟)の4つのクラスがある。データセットは,44人の新生児のそれぞれから20の画像を取ることによって作成した。提案した方法の性能を試験するために,6つの異なるデータ分離実験を行った。最良の分類精度は94%であるけれども,このモデルを訓練に使用しなかった乳児の画像サンプルでテストしたとき,実験で得られた89%値は,モデルにとってより重要である。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  新生児 ,  体温 ,  *病気 ,  *画像 ,  人工知能 ,  *新生児疾患 ,  サーモグラフィー ,  モデル ,  循環系 ,  乳児 ,  *熱画像 ,  温熱環境
準シソーラス用語： 健康状態 ,  医用画像処理 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 畳込みニューラルネットワーク(CNN) ,  赤外線サーモグラフィー(IRT) ,  新生児疾患 ,  分類 ,  データ増強

分類 (4件)： 人工知能  (JE08000Z) ,  医用画像処理  (JE04020T) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 熱画像 ,  新生児疾患 ,  分類