文献

J-GLOBAL ID：202202231277862093   整理番号：22A1104387

HOG-SVMと深層学習モデルを用いたCovid-19分類【JST・京大機械翻訳】

Covid-19 Classification Using HOG-SVM and Deep Learning Models

著者 (4件)： Huda Nafisa Labiba Ishrat (University of Asia Pacific,Department of Computer Science and Engineering,Dhaka,Bangladesh) ,  Islam Md. Ashraful (University of Asia Pacific,Department of Computer Science and Engineering,Dhaka,Bangladesh) ,  Goni Md. Osman (University of Asia Pacific,Department of Computer Science and Engineering,Dhaka,Bangladesh) ,  Begum Nasima (University of Asia Pacific,Department of Computer Science and Engineering,Dhaka,Bangladesh)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： IRASET  ページ： 1-5  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： COVID-19は,世界中の生命,健康,およびコミュニティに深刻な影響を与える人体に対する最大の有害で迅速な感染性griefとして測定される。それは,世界的に多くの生命を無症状に殺す異なる変異体で世界中で広がっている。したがって,COVID-19症例の早期診断と正確な検出は,グローバルな生活を保護するために不可欠である。胸部X線画像による診断COVID-19は,感染者におけるウイルスを低コストで迅速に検出するための最良の解決策の1つである。既存の研究によって,本論文では,特徴抽出,機械学習および深層学習技術に基づく胸部X線画像によるCovid症例と非Covid事例を分類するためのハイブリッドモデルを提案した。2つの特徴抽出器,ヒストグラム指向勾配(HOG)およびCNN(MobileNetV2,逐次,ResNet152V2)を用いて,このモデルを訓練した。分類では,機械学習のためのサポートベクトルマシン(SVM)と深層学習のためのCNN(MobileNetV2,逐次,ResNet152V2)分類器の2つのアプローチを利用した。実験結果は,逐次モデルとResNet152V2モデルが,それぞれ100%と82.6%の精度を達成し,満足できることを示した。一方,HOG-SVM法は,限られた公開データセットに対して100%の精度,特異性,および応答性で最良の結果を与えるすべてのテスト画像を正しく検出するのに成功した。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： 応答特性 ,  特徴抽出 ,  コミュニティ ,  ヒストグラム ,  早期診断 ,  機械学習 ,  *サポートベクトルマシン
準シソーラス用語： ハイブリッドモデル ,  特異性 ,  胸部X線画像 ,  *深層学習 , 【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 (6件)： HOG ,  SVM ,  深層学習 ,  モデル ,  COVID-19 ,  分類