메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Seo Yi Chng (National University of Singapore) Paul Jie Wen Tern (National Heart Centre Singapore) Matthew Rui Xian Kan (NUS High School of Math and Science) Lionel Tim-Ee Cheng (Singapore General Hospital)
저널정보
대한의료정보학회 Healthcare Informatics Research Healthcare Informatics Research Vol.30 No.1
발행연도
2024.1
수록면
42 - 48 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objectives: Telemedicine is firmly established in the healthcare landscape of many countries. Acute respiratory infections arethe most common reason for telemedicine consultations. A throat examination is important for diagnosing bacterial pharyngitis,but this is challenging for doctors during a telemedicine consultation. A solution could be for patients to upload imagesof their throat to a web application. This study aimed to develop a deep learning model for the automated diagnosis ofexudative pharyngitis. Thereafter, the model will be deployed online. Methods: We used 343 throat images (139 with exudativepharyngitis and 204 without pharyngitis) in the study. ImageDataGenerator was used to augment the training data. Theconvolutional neural network models of MobileNetV3, ResNet50, and EfficientNetB0 were implemented to train the dataset,with hyperparameter tuning. Results: All three models were trained successfully; with successive epochs, the loss and trainingloss decreased, and accuracy and training accuracy increased. The EfficientNetB0 model achieved the highest accuracy(95.5%), compared to MobileNetV3 (82.1%) and ResNet50 (88.1%). The EfficientNetB0 model also achieved high precision(1.00), recall (0.89) and F1-score (0.94). Conclusions: We trained a deep learning model based on EfficientNetB0 that candiagnose exudative pharyngitis. Our model was able to achieve the highest accuracy, at 95.5%, out of all previous studies thatused machine learning for the diagnosis of exudative pharyngitis. We have deployed the model on a web application that canbe used to augment the doctor’s diagnosis of exudative pharyngitis.
#Artificial Intelligence #Deep Learning #Diagnosis #Pharyngitis #Telemedicine

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0