文献

J-GLOBAL ID：202202287359161573   整理番号：22A0707473

COVID-19疾患分類のための新しい圧縮および加速畳込みニューラルネットワーク:遺伝的アルゴリズムに基づくアプローチ【JST・京大機械翻訳】

A Novel Compressed and Accelerated Convolution Neural Network for COVID-19 Disease Classification: A Genetic Algorithm Based Approach

著者 (4件)： Agarwal Mohit (Bennett University, Greater Noida, India) ,  Gupta Suneet Kumar (Bennett University, Greater Noida, India) ,  Garg Deepak (Bennett University, Greater Noida, India) ,  Singh Dilbag (Gwangju Institute of Science and Technology, Gwangju, South Korea)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1528  ページ： 99-111  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Covid19はSARS-Cov-2ウイルスに起因する感染症である。それは,一般に人間の呼吸器系に影響し,早期に治療しない場合,致命的になる。それは,小さな液体粒子の伝達による,または, nose鳴または咳 orによる感染者との接触に来る。医師は一般的に疑わしい患者のCTスキャンに依存するので,患者が感染しているかどうかを確認する。提案した研究は,Covid-19診断のためのCTスキャン画像を使用することに焦点を合わせる。提案した畳込みニューラルネットワーク(CNN)において,それぞれの層に32,16および8フィルタを有する3つの畳込み層がある。提案モデルの訓練精度は96.71%であり,試験精度は84.21%であった。また,モデルを訓練し,移動学習を用いて試験し,VGG19事前訓練ネットワークを用いて94.73%の最良試験精度を得た。同様に,機械学習法も用いて画像を分類し,ランダムフォレスト分類器は93.33%の最良精度を与えた。事前訓練モデルの貯蔵サイズは非常に大きいので,それらは性能の大きな損失なしに遺伝的アルゴリズム(GA)を用いて圧縮された。VGG16モデルは,F1スコアの低下なしで,81%,AlexNetで77.8%,VGG19で65.74%まで圧縮できた。推定時間もVGG16で79%,VGG19で78%,AlexNetで38%減少した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  フィルタ ,  学習 ,  *ネットワーク ,  *ニューラルネットワーク ,  精度 ,  呼吸器 ,  感染症 ,  計算機アルゴリズム ,  計算機トモグラフィー ,  機械学習 ,  *遺伝的アルゴリズム
準シソーラス用語： 重症急性呼吸器症候群 ,  疾病分類 ,  ランダムフォレスト ,  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)： 畳込みニューラルネットワーク ,  深層学習 ,  Covid-19病 ,  機械学習

分類 (4件)： 医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I) ,  医用情報処理  (JE15030Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： COVID-19 ,  疾患分類 ,  加速 ,  畳込みニューラルネットワーク ,  遺伝的アルゴリズム