基于人口统计学特征与图像处理滤波器的胸部X光卷积神经网络模型改进
图像与视频处理
2019-12-03 v1 计算机视觉与模式识别
摘要
目的：本研究旨在通过基于年龄、性别和14种病理的图像预处理滤波器构建不同的二分类模型，观察卷积神经网络（CNN）模型在胸部放射图像上的准确率（正确分类数与总预测数之比）变化。方法：这是一项探索CNN模型准确率变化的定量研究。胸部放射图像按年龄和性别划分，并经由多种图像处理滤波器预处理。研究结果：我们发现，即使图像处理滤波器有时被视为信息滤波器，通过按年龄和性别分离建模图像并应用图像处理滤波器，对模型准确率提升有部分支持。研究局限：本研究可能存在偏倚，因其基于另一研究的放射图像，该图像使用未经人工核对的自动化流程进行标注。实际意义：研究者或可着眼于创建按人口统计学特征分离的模型，并使用图像处理滤波器对建模图像进行预处理。开发胸部诊断辅助技术的从业者或可受益于纳入人口统计学特征，并同时采用具有不同统计似然的多个模型。原创性/价值：本研究在模型构建中使用人口统计学特征，并利用图像处理滤波器提升模型性能。
引用
@article{arxiv.1912.00233,
title = {Convolutional neural networks model improvements using demographics and image processing filters on chest x-rays},
author = {Mir Muhammad Abdullah and Mir Muhammad Abdur Rahman and Mir Mohammed Assadullah},
journal= {arXiv preprint arXiv:1912.00233},
year = {2019}
}
备注
27 pages