基于深度学习CNN的肺炎检测：推动Society 5.0时代的数字健康
图像与视频处理
2026-02-17 v1 计算机视觉与模式识别
摘要
肺炎是全球严重的健康问题，导致高发病率和死亡率，尤其在诊断工具和医疗资源有限的地区影响尤为突出。本研究开发了一种基于卷积神经网络（CNN）的深度学习方法，用于自动检测胸部X光影像中的肺炎。该方法通过对模型进行训练，使用归一化、数据增强和图像质量提升等预处理技术来提高其鲁棒性和泛化能力。测试结果表明，优化后的模型实现了91.67%的准确率，ROC-AUC为0.96，PR-AUC为0.95，显示出在区分肺炎和正常影像方面具有强大的性能。总之，本CNN模型在作为快速、一致且可靠的诊断辅助工具方面具有重要潜力，支持Society 5.0，通过整合人工智能来改善医疗服务和公共福祉。
引用
@article{arxiv.2602.13270,
title = {Deep Learning CNN for Pneumonia Detection: Advancing Digital Health in Society 5.0},
author = {Hadi Almohab},
journal= {arXiv preprint arXiv:2602.13270},
year = {2026}
}
备注
7 pages 3 figures in Indonesian language