基于分割与增强深度学习的肺结核胸部X光分析
机器学习
2018-11-19 v1 计算机视觉与模式识别
计算机与社会
摘要
本文给出基于深度学习的计算机辅助诊断（CADx）对2D胸部X光（CXR）图像进行分析以获得统计上可靠的预测（肺结核存在性）的结果。它们证明了即使对于小而失衡的数据集，通过深度卷积神经网络（CNN）进行肺结核CADx时，肺分割、无损与有损数据增强的有效性。与原始未分割数据集相比，CNN显示出在肺分割后获得的预处理数据集上训练（尽管过拟合）的能力。与原始及其他有损数据增强后的预处理数据集相比，分割数据集的无损数据增强导致最低的验证损失（无过拟合）且精度几乎相同（在标准偏差范围内）。额外的有限有损数据增强导致更低的验证损失，但验证精度下降。总之，除更复杂的深度CNN与更大数据集外，即使对于小而失衡的数据集，也可通过更好的分割、数据增强、数据集分层和排除非显著离群值来获得CADx的更好进展。
引用
@article{arxiv.1803.01199,
title = {Chest X-Ray Analysis of Tuberculosis by Deep Learning with Segmentation and Augmentation},
author = {Sergii Stirenko and Yuriy Kochura and Oleg Alienin and Oleksandr Rokovyi and Peng Gang and Wei Zeng and Yuri Gordienko},
journal= {arXiv preprint arXiv:1803.01199},
year = {2018}
}
备注
6 pages, 11 figures, 1 table