基于EfficientNet-B4迁移学习的胸部X光肺胶气 segmentation
计算机视觉与模式识别
2025-09-05 v1 人工智能
摘要
肺胶气是气体在胸腔积聚的异常情况，如果未被发现可能危及生命。胸部X光光是一线诊断工具，但小范围病例可能较难察觉。我们提出了一个基于U-Net架构的深度学习管线，使用EfficientNet-B4编码器对肺胶气区域进行分割。该模型在SIIM-ACR数据集上进行了数据增强和组合二元交叉熵加上Dice损失训练，在独立的PTX-498数据集上达到IoU为0.7008，Dice得分为0.8241。这些结果表明，该模型能够准确定位肺胶气，为放射科医生提供支持。
引用
@article{arxiv.2509.03950,
title = {Chest X-ray Pneumothorax Segmentation Using EfficientNet-B4 Transfer Learning in a U-Net Architecture},
author = {Alvaro Aranibar Roque and Helga Sebastian},
journal= {arXiv preprint arXiv:2509.03950},
year = {2025}
}
备注
10 page, 5 figures