文献

J-GLOBAL ID：202202245987196240   整理番号：22A0920634

変圧器とCNNに基づくCOVID-19 CT画像認識アルゴリズム【JST・京大機械翻訳】

COVID-19 CT image recognition algorithm based on transformer and CNN

著者 (4件)： Fan Xiaole (College of Software, Taiyuan University of Technology, Taiyuan 030024, China) ,  Feng Xiufang (College of Software, Taiyuan University of Technology, Taiyuan 030024, China) ,  Dong Yunyun (College of Software, Taiyuan University of Technology, Taiyuan 030024, China) ,  Hou Huichao (College of Software, Taiyuan University of Technology, Taiyuan 030024, China)
資料名： Displays  (Displays)
巻： 72  ページ： Null  発行年： 2022年 
JST資料番号： C0042B  ISSN： 0141-9382  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 新規コロナウイルス肺炎(COVID-19)は,2019年に崩壊し,世界経済と人々の生活の発達に大きな影響を及ぼした。新しい主流画像処理方法として,深い学習ネットワークを構築し,胸部CT画像から医用特徴を抽出し,臨床診療における新しい検出方法として使用した。しかし,COVID-19CT画像の医療特性により,病変は広く分布し,多くの局所特徴を有する。したがって,既存の深層学習モデルを用いて直接診断することは困難である。COVID-19におけるCT画像の医用特徴に従って,変換機モジュールと畳込みニューラルネットワークモジュールに基づく並列二分岐モデル(Trans-CNNネット)を,コンボルーションニューラルネットワークの局所的特徴抽出能力と変換機のグローバル特徴抽出利点を完全に利用して提案する。交差融合の原理に従って,双方向特徴融合構造を設計して,その中で,2つの分枝から抽出した特徴を双方向に融合して,分岐の並列構造を特徴融合モジュールによって融合して,種々のスケールの特徴を抽出することができるモデルを形成した。ネットワーク分類の効果を確認するために,COVIDx-CTデータセットに関する分類精度は96.7%であり,それは典型的CNNネットワーク(ResNet-152)(95.2%)と変換ネットワーク(Deit-B)(75.8%)のものより明らかに高かった。これらの結果は,精度が改善することを示した。本モデルはまた,COVID-19の診断のための新しい方法を提供し,深い学習と医用イメージングの組み合わせを通して,それは,COVID-19感染に起因する肺疾患のリアルタイム診断の開発を促進し,それは,信頼できて迅速な診断のために役立ち,このように,貴重な生命を節約した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *変圧器 ,  学習 ,  ネットワーク ,  ニューラルネットワーク ,  特徴抽出 ,  肺炎 ,  *画像 ,  検出法
準シソーラス用語： *CT画像 ,  医用画像処理 ,  局所特徴 ,  特徴融合 ,  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 (4件)： 双方向特徴融合 ,  変圧器 ,  CNN ,  COVID-19

分類 (2件)： 表示機器  (NC06030Q) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 変圧器 ,  CNN ,  COVID-19 ,  CT画像 ,  認識アルゴリズム