基于深度学习的 CNN 模型用于胸部 X 光片自动检测肺炎
计算机视觉与模式识别
2026-02-03 v1
摘要
肺炎是全球致死病因之一，尤其在资源有限地区，儿童和老年人群中发病率极高。快速精准的诊断是成功临床干预的前提，但由于观察者间的差异、专家疲劳以及专业放射科医师短缺，传统依赖人工解读胸片的方法常受限于效率和准确性。为此，本文提出一种统一的自动诊断模型，采用自定义卷积神经网络（CNN）实现对胸部 X 光片中肺炎的高精度识别，同时保持最小计算开销。与其他基于通用迁移学习的模型常具有参数冗余不同，本文所提架构采用专为灰度医学图像纹理特征优化的深度可分离卷积设计。此外，Contrast Limited Adaptive Histogram Equalization（CLAHE）和几何增强是两项重要的预处理技术，旨在防止系统在类别不平衡问题上的表现，并提高其泛化能力。该系统使用 5863 张胸部 X 光片 anterior posterior 胸片进行测试。
引用
@article{arxiv.2602.00212,
title = {Deep Learning Based CNN Model for Automated Detection of Pneumonia from Chest XRay Images},
author = {Sathish Krishna Anumula and Vetrivelan Tamilmani and Aniruddha Arjun Singh and Dinesh Rajendran and Venkata Deepak Namburi},
journal= {arXiv preprint arXiv:2602.00212},
year = {2026}
}
备注
17 Pages, 2 Tables, 6 Figures