一种用于间质性肺病识别与分类的高效端到端深度神经网络
图像与视频处理
2022-04-22 v1 计算机视觉与模式识别
摘要
自动化的间质性肺病（ILDs）分类技术对于辅助临床医生诊断过程至关重要。检测和分类 ILDs 模式是一个具有挑战性的问题。本文介绍一种用于分类 ILDs 模式的端到端深度卷积神经网络（CNN）。所提模型包含四个具有不同核尺寸和修正线性单元（ReLU）激活函数的卷积层，随后是批归一化和与最终特征图尺寸相同的极大池化，以及四个全连接层。我们使用 ADAM 优化器来最小化分类交叉熵。采用包含 128 个 CT 扫描的 21328 个图像块、具有五个类别的数据集来训练和评估所提模型。对比研究表明，所提模型优于预训练 CNN 及在同一数据集上的五折交叉验证。对于 ILDs 模式分类，所提方法取得了 99.09% 的准确率和 97.9% 的平均 F 分数，优于三种预训练 CNN。这些结果表明，所提模型在精确率、召回率、F 分数和准确率方面相对处于 state-of-the-art（最优）水平。
引用
@article{arxiv.2204.09909,
title = {An Efficient End-to-End Deep Neural Network for Interstitial Lung Disease Recognition and Classification},
author = {Masum Shah Junayed and Afsana Ahsan Jeny and Md Baharul Islam and Ikhtiar Ahmed and A F M Shahen Shah},
journal= {arXiv preprint arXiv:2204.09909},
year = {2022}
}
备注
Turkish Journal of Electrical Engineering and Computer Sciences