出版物の種類 : 会議議事録
出版社 : エルゼビア BV
ソース ： プロセディアコンピュータサイエンス
キーワード: 畳み込みニューラル ネットワーク、長短期記憶、Vgg16、Mobilenet V2、DBLSTM
キャンパス : バンガロール
学校 ： コンピューティング学部
年 ： 2025年
抽象的な ： 肺疾患の早期診断は、疾患の治療と患者の生活の質の向上に役立つため重要です。胸部 X 線は、肺を検査して異常を検出するための、広く使用されている費用対効果の高い診断ツールです。しかし、胸部 X 線画像の解釈は、肺の解剖学的構造の複雑さと病気の症状の微妙な変化のため、経験豊富な放射線科医であっても困難な場合があります。したがって、肺 X 線多クラス画像分類に対するアンサンブルベースのアプローチが提案され、畳み込みニューラル ネットワークと長短期記憶 (>-LSTM) が使用されています。提案されたモデルは、DenseNet と InceptionV3、Vgg16 と Mobilenet V2 のアンサンブル、および深層双方向 LSTM(DBLSTM) などのいくつかのモデルと比較されます。提案されたモデルは、結核、正常、気胸、肺炎、新型コロナウイルス感染症 (COVID-19)、心肥大などの肺疾患の多クラス分類に適用されました。提案された方法は、他のアンサンブル モデルと比較して、テスト F1 スコア 94%、再現率 99%、精度 95%、精度 89.31% を提供します。提案されたモデルは、医療従事者が診断や治療計画を立てるためのセカンドオピニオンとして活用できます。
この研究出版物を引用します: Rekha R Nair、Tripty Singh、>-LSTM を使用した肺 X 線多クラス画像分類のためのアンサンブル アーキテクチャの探索、Procedia Computer Science、Elsevier BV、2025 年、
1764825589
#CNNLSTM #を使用した肺 #線多クラス画像分類のためのアンサンブル #アーキテクチャの探索
2025-12-04 04:59:00