文献

J-GLOBAL ID：202202259867403380   整理番号：22A0652015

CXR-RefineDet:多重病変検出に基づく胸部X線ラジオグラフのための単一ショット精密化ニューラルネットワーク【JST・京大機械翻訳】

CXR-RefineDet: Single-Shot Refinement Neural Network for Chest X-Ray Radiograph Based on Multiple Lesions Detection

著者 (4件)： Lin Cong (College of Electronics and Information Engineering, Guangdong Ocean University, Zhanjiang 524025, China) ,  Zheng Yongbin (College of Electronics and Information Engineering, Guangdong Ocean University, Zhanjiang 524025, China) ,  Xiao Xiuchun (College of Electronics and Information Engineering, Guangdong Ocean University, Zhanjiang 524025, China) ,  Lin Jialun (College of Biomedical Information and Engineering, Hainan Medical University, Haikou 571199, China)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 放射線科医の作業負荷は,COVID-19パンデミックの文脈で劇的に増加し,病気の誤診と誤診を引き起こす。人工知能技術の使用は,医療画像における病変の位置決定および同定における医師を支援することができる。医用イメージングにおける疾患診断の精度を改善するために,本論文では現在の主流物体検出モデルより優れている肺疾患検出ニューラルネットワークを提案する。情報融合と情報抽出におけるRepVGGブロックとResブロックの利点を結合することによって,著者らは少数のパラメータと強い特徴抽出能力によってバックボーンRRNetを設計した。その後,情報再利用と呼ばれる構造を提案し,正規化特徴をネットワークに接続することにより,元のネットワーク出力特徴の低い利用の問題を解決した。RRNetと改良RefineDetのネットワークを結合して,著者らはCXR-RefinDetと呼ばれる全体的ネットワークを提案する。最大の公開肺胸部X線写真検出データセットVinDr-CXRに関する多数の実験を通して,CXR-RefinDetの検出精度と推論速度は,それぞれ0.1686mAPと6.8fpsに達し,それはResNet-50とResNet-101のような強いバックボーンを用いた2段階物体検出アルゴリズムより良いことがわかった。さらに,CXR-RefineDetの高速推論速度も,コンピュータ支援診断システムの実際の実装の可能性を提供する。Copyright 2022 Cong Lin et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  *ニューラルネットワーク ,  特徴抽出 ,  人工知能 ,  *多重化 ,  医師 ,  文脈 ,  *放射線画像 ,  医用画像 ,  正規化 ,  肺疾患
準シソーラス用語： *胸部X線撮影 ,  胸部X線写真 ,  医用画像処理 ,  検出アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

引用文献 (36件)：

• Y. Zhang, S. Wang, H. Zhao, Z. Guo, D. Sun, "CT image classification based on convolutional neural network," Neural Computing and Applications, vol. 33, pp. 8191-8200, 2021.
• T. Matsumoto, K. Doi, A. Kano, H. Nakamura, T. Nakanishi, "Evaluation of the potential benefit of computer-aided diagnosis (CAD) for lung cancer screenings using photofluorography: analysis of an observer study," Nippon Igaku Hoshasen Gakkai Zasshi, vol. 53, pp. 1195-207, 1993.
• H. Wang, X. Li, R. H. Jhaveri, T. R. Gadekallu, M. Zhu, T. A. Ahanger, S. A. Khowaja, "Sparse Bayesian learning based channel estimation in FBMC/OQAM industrial IoT networks," Computer Communications, vol. 176, pp. 40-45, 2021.
• Z. Wang, X. Jiang, J. Liu, K.-T. Cheng, X. Yang, "Multi-task siamese network for retinal artery/vein separation via deep convolution along vessel," IEEE Transactions on Medical Imaging, vol. 39, no. 9, pp. 2904-2919, 2020.
• J. A. Tariq, I. A. Ben, K. S. Abdel, "Tumor edge detection in mammography images using quantum and machine learning approaches," Neural Computing and Applications, vol. 33, no. 13, pp. 7773-7784, 2021.

タイトルに関連する用語 (7件)： 多重 ,  病変 ,  胸部X線 ,  ラジオグラフ ,  ショット ,  精密化 ,  ニューラルネットワーク