文献

J-GLOBAL ID：202202276127526594   整理番号：22A0917179

胸部X線画像からのCOVID-19同定のための畳込みニューラルネットワークアーキテクチャの性能解析【JST・京大機械翻訳】

Performance Analysis of Convolutional Neural Network Architectures for the Identification of COVID-19 from Chest X-ray Images

著者 (4件)： Anjum Tanvir (Leading University,Department of Computer Science and Engineering,Sylhet,Bangladesh) ,  Chowdhury Tanzil Ebad (Leading University,Department of Computer Science and Engineering,Sylhet,Bangladesh) ,  Sakib Shadman (Leading University,Department of Computer Science and Engineering,Sylhet,Bangladesh) ,  Kibria Shafkat (Leading University,Department of Computer Science and Engineering,Sylhet,Bangladesh)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CCWC  ページ： 0446-0452  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： 2019の新規なコロナウイルス(COVID-19)は世界中で急速に広がり,人々の健康と健康に影響し続けている。放射線画像と組み合わせた深層学習の応用は,早期診断と拡散の予防に有効である。本研究では,マルチクラス分類(COVID-19対)のための胸部X線画像を自動的に診断するために2D畳込みニューラルネットワーク(CNN)を導入した。ウイルス性肺炎対正常。本研究の目的は,2D CNNアーキテクチャの様々な内部パラメータを変えることによって,検出の精度を最大化することである。1000のCOVID-19,1000のViral Pneumonia,および1000の正常画像からなるデータセットを考察し,前処理段階と増強戦略を適用した。結果の訓練と評価を,内部パラメータを有する8つの2D CNNアーキテクチャで実施し,COVID-19分類モデルを提案した。提案した計算機支援診断ツールは,試験データセットで97.3%の分類精度,97.3%の感度,98.7%の特異性,97.4%の精度で有意な性能をもたらした。これらの結果は,それがCOVID-19症例を確実に検出でき,最も必要なものに治療を促進することを示唆する。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： *畳込み ,  前処理 ,  計算機診断 ,  二次元 ,  放射線画像 ,  *計算機アーキテクチャ ,  *性能分析 ,  早期診断 ,  ウイルス性肺炎
準シソーラス用語： 分類精度 ,  特異性 ,  *ニューラルネットワークアーキテクチャ ,  *胸部X線画像 ,  深層学習 ,  *畳込みニューラルネットワーク , 【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)： 胸部X線画像 ,  COVID-19 ,  同定 ,  畳込みニューラルネットワーク ,  アーキテクチャ ,  性能解析