一种用于肾脏疾病分类的深度学习架构
图像与视频处理
2024-03-26 v1
摘要
深度学习已成为图像分类与分割等复杂任务的极其强大的工具。医疗行业通常缺乏高质量、平衡的数据集，这对于需要足够大量数据来训练并提升性能的深度学习算法而言可能是一个挑战。这在肾结石、肾囊肿和肾肿瘤等肾脏问题的背景下尤为重要。本研究使用深度学习模型对几种肾脏疾病进行分类或检测。我们使用了不同的分类模型，例如 VGG-19、卷积神经网络 (CNNs)、ResNet-101、VGG-16、ResNet-50 和 DenseNet-169，这些模型可以通过分类、分割和迁移学习等技术进行增强。这些算法通过允许模型从多个数据集中学习，有助于提高模型准确性。这项技术有潜力彻底改变肾脏问题的诊断和治疗，因为它能够更准确、更有效地对 CT 扫描图像进行分类。这最终可能带来更好的患者预后和改善的整体健康状况。
引用
@article{arxiv.2403.15895,
title = {A Deep Learning Architectures for Kidney Disease Classification},
author = {Muhammad Shoaib Farooq and Ayesha Tariq},
journal= {arXiv preprint arXiv:2403.15895},
year = {2024}
}
备注
10 pages, 15 figures