文献

J-GLOBAL ID：202202290793165841   整理番号：22A0475643

X線画像を用いたCOVID-19の自動検出のためのサイクルGANと移動学習技術の応用【JST・京大機械翻訳】

Application of CycleGAN and transfer learning techniques for automated detection of COVID-19 using X-ray images

著者 (9件)： Bargshady Ghazal (School of Business, University of Southern Queensland, 37 Sinnathamby Blvd, Springfield Central, QLD 4300, Australia) ,  Zhou Xujuan (School of Business, University of Southern Queensland, 37 Sinnathamby Blvd, Springfield Central, QLD 4300, Australia) ,  Barua Prabal Datta (School of Business, University of Southern Queensland, 37 Sinnathamby Blvd, Springfield Central, QLD 4300, Australia) ,  Gururajan Raj (School of Business, University of Southern Queensland, 37 Sinnathamby Blvd, Springfield Central, QLD 4300, Australia) ,  Li Yuefeng (School of Computer Science, Queensland University of Technology, Australia) ,  Acharya U. Rajendra (Department of Electronics and Computer Engineering, Ngee Ann Polytechnic, Singapore) ,  Acharya U. Rajendra (Department Bioinformatics and Medical Engineering, Asia University, Taiwan) ,  Acharya U. Rajendra (International Research Organization for Advanced Science and Technology (IROAST) Kumamoto University, Kumamoto, Japan) ,  Acharya U. Rajendra (School of Science and Technology, Singapore University of Social Sciences, Singapore)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 153  ページ： 67-74  発行年： 2022年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： コロナウイルス(COVID-19としても知られる)は,世界中の多くの acrossさと生活に深刻な影響を与える。現在,患者の胸部からの放射線画像,症状を測定し,ポリメラーゼ連鎖反応(RT-PCR)試験を適用して,疾患の進行を検出しモニターするいくつかの方法がある。X線イメージングは,肺に対するウイルスの影響を可視化するために使用される一般的な技術の1つである。放射線医学画像を用いたこの疾患の手動検出は,より一般的であるが,時間がかかり,ヒューマンエラーの傾向がある。したがって,深い学習(Bowles et al.)技術を用いたCOVID-19による肺病理の自動検出は,巨大なデータベースのための正確な結果を得ることを助けることができる。一般化可能なDLモデルを達成するために大量のデータが必要である。しかし,COVID-19疾患病理を自動的に検出するために利用可能な公開データベースはほとんどない。標準データ増強法を用いて,モデルの一般化可能性を強化した。本研究では,大規模なCOVID-19X線とCT胸部画像データセットを使用し,訓練された半教師つきサイクルGAN(SSA-CycleGAN)と結合した生成敵対ネットワーク(GAN)を適用して訓練データセットを強化した。次に,COVID-19パンデミックを検出するためのアルゴリズムを訓練するために,新しく設計し,微調整した開始V3転送学習モデルを開発した。提案した開始-CycleGANモデルから得た結果は,精度=94.2%,曲線下面積=92.2%,平均二乗誤差=0.27,平均絶対誤差=0.16を示した。開発した開始-CycleGANフレームワークは,胸部のさらにCOVID-19X線画像で試験できる。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： アルゴリズム ,  *学習 ,  学習モデル ,  データベース ,  ネットワーク ,  可視化 ,  ヒューマンエラー ,  放射線医学 ,  *X線画像 ,  病理 ,  PCR法 ,  血中濃度-時間曲線下面積
準シソーラス用語： コロナウイルス ,  訓練データ ,  平均二乗誤差 , 【Automatic Indexing@JST】

著者キーワード (5件)： COVID19 ,  深層学習 ,  転移学習 ,  サイクルGAN ,  放射線画像処理

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： X線画像 ,  COVID-19 ,  自動検出 ,  サイクル ,  GaN ,  学習 ,  応用