文献

J-GLOBAL ID：202202263156199853   整理番号：22A0321773

COVID-19 X線画像分類のための不確実性を意識した畳込みニューラルネットワーク【JST・京大機械翻訳】

Uncertainty-aware convolutional neural network for COVID-19 X-ray images classification

著者 (2件)： Gour Mahesh (Maulana Azad National Institute of Technology, Bhopal, MP, 462003, India) ,  Jain Sweta (Maulana Azad National Institute of Technology, Bhopal, MP, 462003, India)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 140  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  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： 深層学習(DL)は医用画像解析の分野で大きな成功を示した。SARS-CoV-2の現在の流行状況の後流において,DLに基づく少数の先駆的研究は,胸部X線(CXR)画像からのCOVID-19疾患の自動スクリーニングにおいて著しい進歩を遂げた。しかし,これらのDLモデルは,モデルの予測に関連した不確実性を表現する固有の方法を持たず,医用画像解析において非常に重要である。したがって,本論文では,CXR画像からのCOVID-19疾患の自動検出のためのUA-ConvNetと名付けた不確実性意識畳込みニューラルネットワークモデルを開発し,モデル予測における関連不確実性の推定を行った。提案手法は,効率的なNet-B3モデルとモンテカルロ(MC)ドロップアウトを利用し,そこでは,効率的なNet-B3モデルをCXR画像上で微調整した。推論の間,MCドロップアウトを,後部予測分布を得るために,Mフォワードパスに適用した。平均予測とモデル不確実性を得るために,得られた予測分布について平均とエントロピーを計算した。提案手法を,胸部X線画像の3つの異なるデータセット,すなわち,COVID19CXr,X線画像,およびKaggleデータセットで評価した。提案したUA-ConvNetモデルは,COVID19CXrデータセットに関するマルチクラス分類タスクに対して,98.02%(信頼区間(CI)97.99~98.07)と感度98.15%のG平均を達成した。バイナリ分類のために,提案モデルは,X線画像データセットにおいて,99.16%のG平均(98.81~99.19のCI)と99.30%の感度を達成した。提案手法は,CXR画像からのCOVID-19ケースを診断するための既存の方法よりも優れていることを示した。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： モンテカルロ法 ,  伴流 ,  エントロピー ,  検出 ,  *不確実性 ,  *ニューラルネットワーク ,  *画像 ,  *X線画像 ,  画像分析 ,  スクリーニング ,  機械学習
準シソーラス用語： 胸部X線撮影 ,  自動検出 ,  *画像分類 ,  胸部X線画像 ,  医用画像解析 ,  モデル予測 ,  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 (1件)： COVID-19自動スクリーニング不確実性推定モンテカルロドロップアウト事前訓練効率的ネットCNN胸部X線画像

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： COVID-19 ,  X線画像 ,  分類 ,  不確実性 ,  意識 ,  畳込みニューラルネットワーク