文献

J-GLOBAL ID：202202291727482621   整理番号：22A0860797

深層学習技術を用いた肺画像におけるCOVID-19感染の検出と診断【JST・京大機械翻訳】

Detection and diagnosis of COVID-19 infection in lungs images using deep learning techniques

著者 (2件)： Kumar Arun (Department of ECE, Faculty of Engineering and Technology, SRM Institute of Science and Technology, NCR Campus, Delhi-NCR Campus, Ghaziabad, India) ,  Mahapatra Rajendra Prasad (Department of CSE, Faculty of Engineering and Technology, SRM Institute of Science and Technology, NCR Campus, Delhi-NCR Campus, Ghaziabad, India)
資料名： International Journal of Imaging Systems and Technology  (International Journal of Imaging Systems and Technology)
巻： 32  号： 2  ページ： 462-475  発行年： 2022年 
JST資料番号： W0737A  ISSN： 0899-9457  資料種別： 逐次刊行物 (A)
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： 世界科学と技術は,COVID-19パンデミックによって挑戦されてきた。地球全体にわたる各および各コミュニティは,COVID-19感染患者の正確な治療および治療のためのリアルタイムの新しい方法を見出すことを試みている。このパンデミックからの最も重要なリードは,できるだけ早く感染患者を検出し,それらを正確な治療に提供することである。現在,COVID-19を検出する世界的な方法論は逆転写ポリメラーゼ連鎖反応(RT-PCR)である。この技法はコストと時間を要する。この理由のために,新しい方法の実施が必要である。本論文は,COVID-19患者を同定するためのシステムを開発するための深層学習解析の使用を含む。提案技法は畳み込みニューラルネットワーク(CNN)と深層ニューラルネットワーク(DNN)に基づいている。本論文は,まず,画像のフラクタル特徴に基づいてDNNを設計する2つのモデルを提案し,そして,第2は,肺X線画像を用いてCNNを設計する。CNNアーキテクチャを用いた肺画像の感染領域(組織)を見つけるために,セグメンテーションプロセスを用いた。開発されたCNNアーキテクチャは,精度が94.6%,感度が90.5%に等しい分類の結果を与え,提案したDNN法よりはるかに良く,精度84.11%と感度84.7%を与えた。提示モデルの成果は,感染領域の検出において94.6%の精度を示した。この方法を用いて,感染領域の成長をモニターし,制御することができた。設計したモデルは,ポスト-COVID-19解析でも使用できる。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 技術 ,  セグメンテーション ,  地球 ,  精度 ,  コミュニティ ,  *画像 ,  X線画像 ,  フラクタル ,  計算機アーキテクチャ ,  *機械学習 ,  RT-PCR法
準シソーラス用語： 実時間 ,  汎発流行性 ,  *深層学習 ,  ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 分類 ,  畳込みニューラルネットワーク ,  COVID-19 ,  深層ニューラルネットワーク ,  セグメンテーション

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深層学習 ,  肺 ,  感染 ,  診断