一种用于胸部 X 光肺结核检测的轻量、快速且高效深度卷积网络
图像与视频处理
2023-09-06 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
肺结核（TB）仍被认为是全球主要死因之一。深度学习（DL）的最新进展已显示出能增强放射科医生准确解读胸部 X 光（CXR）图像并减少错误的能力，从而改善该疾病的诊断。然而，在开发能够诊断 TB 且性能良好、高效、快速且计算开销低的模型方面，所做工作甚少。在本工作中，我们提出 LightTBNet，一种新颖的轻量、快速且高效的深度卷积网络，专为从 CXR 图像中检测 TB 而定制。使用来自两个公开数据集的共 800 张正面 CXR 图像，我们的方案在独立测试子集上分别取得了 0.906 的准确率、0.907 的 F1 分数和 0.961 的 ROC 曲线下面积（AUC）。所提模型展现出卓越性能，同时提供快速预测，且计算与内存需求极小，非常适于部署在手持设备中，以用于 TB 高发的低资源地区。代码公开于 https://github.com/dani-capellan/LightTBNet。
引用
@article{arxiv.2309.02140,
title = {A Lightweight, Rapid and Efficient Deep Convolutional Network for Chest X-Ray Tuberculosis Detection},
author = {Daniel Capellán-Martín and Juan J. Gómez-Valverde and David Bermejo-Peláez and María J. Ledesma-Carbayo},
journal= {arXiv preprint arXiv:2309.02140},
year = {2023}
}
备注
5 pages, 3 figures, 3 tables. This paper has been accepted at ISBI 2023