基于合并肺部胸部 X 射线数据集的深度学习模型二分类对比研究
图像与视频处理
2023-10-05 v2 计算机视觉与模式识别
摘要
基于 CNN 的深度学习疾病检测模型近来已变得流行。我们比较了八种著名深度学习模型：DenseNet 121、DenseNet 169、DenseNet 201、EffecientNet b0、EffecientNet lite4、GoogleNet、MobileNet 和 ResNet18 在合并肺部胸部 X 射线数据集上的二分类性能。尽管在医学图像不同领域有广泛应用，但在同一数据集上应用时的相对性能仍存在知识空白，本研究旨在填补该空白。数据集合并了中国深圳（CH）和美国蒙哥马利（MC）的数据。我们训练模型进行二分类，计算上述模型的不同参数并比较。模型训练时遵循相同的训练参数以保持受控比较环境。研究结束时，我们发现其他模型应用于肺部胸部 X 射线图像数据集时性能存在明显差异，其中 DenseNet169 精度为 89.38%，MobileNet 精度为 92.2%。关键词：肺部、深度学习、结核病、疾病检测、X 射线
引用
@article{arxiv.2309.10829,
title = {Comparative study of Deep Learning Models for Binary Classification on Combined Pulmonary Chest X-ray Dataset},
author = {Shabbir Ahmed Shuvo and Md Aminul Islam and Md. Mozammel Hoque and Rejwan Bin Sulaiman},
journal= {arXiv preprint arXiv:2309.10829},
year = {2023}
}