基于类别依赖学习并结合VGG16迁移学习与Bi-LSTM的胸片肺结核诊断方法
图像与视频处理
2021-08-29 v1 计算机视觉与模式识别
摘要
肺结核是一种传染病，导致全球数百万人死亡。患有免疫缺陷疾病的患者中，该病的死亡率很高。早期诊断可以挽救生命并避免进一步的并发症。然而，肺结核的诊断是一项非常复杂的任务。标准的诊断测试仍然依赖于上世纪开发的传统程序。这些程序缓慢且昂贵。因此，本文提出了一种基于后前位胸部X射线片的肺结核自动诊断方法。这是一种两步方法：第一步使用图割方法从胸部X射线片中分割出肺部区域；第二步使用 VGG16 迁移学习结合双向 LSTM 从分割出的肺部区域中提取高级判别特征，然后使用全连接层进行分类。所提出的模型使用来自两个公开可用数据库（即 Montgomery 县数据集和 Schezien 数据集）的数据进行评估。该模型在 Schezien 和 Montgomery 县数据集上的准确率和敏感度分别达到了 97.76%、97.01% 和 96.42%、94.11%。该模型在 Schezien 和 Montgomery 县数据集上将肺结核的诊断准确率分别提高了 0.7% 和 11.68%。
引用
@article{arxiv.2108.04329,
title = {Class dependency based learning using Bi-LSTM coupled with the transfer learning of VGG16 for the diagnosis of Tuberculosis from chest x-rays},
author = {G Jignesh Chowdary and Suganya G and Premalatha M and Karunamurthy K},
journal= {arXiv preprint arXiv:2108.04329},
year = {2021}
}