基于直方图均衡与肺部分割的深度学习模型在胸片图像 COVID-19 分类中的应用
图像与视频处理
2022-07-12 v3 计算机视觉与模式识别
机器学习
摘要
背景与目的：人工智能（AI）方法与生物医学分析相结合在疫情期间起着关键作用，因为它有助于缓解医疗系统和医生的巨大压力。随着巴西和印度等人口稠密且检测试剂盒不足的国家中持续的 COVID-19 危机恶化，放射成像可作为一种重要的诊断工具，以准确分类新冠患者并及时开具必要治疗。基于此动机，我们提出了基于深度学习架构、利用胸部 X 光片检测新冠感染肺部的的研究。数据集：我们共收集了 2470 张图像，对应三个不同类标签，即健康肺、普通肺炎和新冠感染肺炎，其中 470 张 X 光图像属于新冠类别。方法：我们首先使用直方图均衡技术对所有图像进行预处理，并使用 U-net 架构进行分割。然后使用 VGG-16 网络从预处理图像中提取特征，并通过 SMOTE 过采样技术进一步采样以实现数据集平衡。最后，使用支持向量机（SVM）分类器结合 10 折交叉验证对类平衡特征进行分类并评估准确率。结果与结论：我们结合知名预处理技术、特征提取方法和数据集平衡方法的新颖方法，在 2470 张 X 光片的数据集上实现了 98% 的 COVID-19 图像识别率。因此，我们的模型适合用于医疗设施中的筛查目的。
引用
@article{arxiv.2112.02478,
title = {Classification of COVID-19 on chest X-Ray images using Deep Learning model with Histogram Equalization and Lungs Segmentation},
author = {Aman Swaraj and Karan Verma},
journal= {arXiv preprint arXiv:2112.02478},
year = {2022}
}
备注
Total number of words of the manuscript- 6577 The number of words of the abstract- 238 The number of figures- 8 The number of tables- 10