用于X射线图像疾病自动检测与分类的人工智能
图像与视频处理
2023-08-29 v2 计算机视觉与模式识别
机器学习
摘要
利用X射线图像检测和分类疾病是医学与研究界更具挑战性的核心任务之一。由于近期对放射学图像和人工智能的高度关注，在X射线图像中早期检测疾病对于防止进一步传播和拉平曲线已变得显著更为重要。计算机视觉与深度学习方法上的创新与革命为从胸部X射线图像（CXR）进行快速准确的筛查与检测诊断提供了巨大前景。本工作提出使用高效的深度学习预训练RepVGG算法进行深度特征提取与分类，实现肺部疾病的快速检测。我们以X射线图像为例展示模型的效率。为执行此任务，我们将X射线图像分类为Covid-19、肺炎和正常X射线图像。采用ROI对象以提高肺部提取的检测精度，随后进行数据预处理与增强。我们应用人工智能技术对人们肺部受影响区域进行自动高亮检测。基于X射线图像，开发了一种算法，借助模型架构转换，以高准确率和更快速度对X射线图像进行分类。我们比较了深度学习框架的疾病准确率与检测能力。研究表明，基于利用胸部X射线的COVID-19检测，深度学习方法对X射线图像具有强大能力。所提框架通过比较流行的深度学习模型（即VGG、ResNet50、inceptionV3、DenseNet和InceptionResnetV2）提供了更好的诊断准确率。
引用
@article{arxiv.2211.08244,
title = {Artificial Intelligence for Automatic Detection and Classification Disease on the X-Ray Images},
author = {Liora Mayats-Alpay},
journal= {arXiv preprint arXiv:2211.08244},
year = {2023}
}