基于深度学习的印度胸部X光结核病自动筛查：分析与更新
图像与视频处理
2020-11-20 v1 计算机视觉与模式识别
摘要
背景与目的：结核病（TB）是重大的公共卫生问题，也是全球主要死因之一。通过早期诊断和成功治疗结核病患者可避免数百万死亡。结核病的自动诊断具有巨大潜力，可协助医学专家加快并改善诊断，尤其在印度等发展中国家，那里训练有素的医学专家和放射科医生短缺。迄今为止，已提出若干基于深度学习的胸部X光片结核病自动检测方法。然而，其中一些方法在印度胸部X光数据集上的表现欠佳，可能由于印度受试者胸部X光中肺部纹理与其他国家不同。因此，针对印度数据集准确自动诊断结核病仍是一项重要研究课题。方法：本文工作探究卷积神经网络（CNNs）在印度胸部X光图像中诊断结核病的性能。使用三种不同的预训练神经网络模型AlexNet、GoogLenet和ResNet将胸部X光图像分类为健康或结核感染。所提方法无需任何预处理技术。此外，其他工作将预训练神经网络作为特征提取工具并应用标准分类技术，而我们尝试基于端到端神经网络模型的胸部X光结核病诊断。所提可视化工具也可供放射科医生用于大规模数据集筛查。结果：所提方法对印度人群诊断结核病的准确率达93.40%，灵敏度达98.60%。结论：所提方法性能亦与文献中技术对比测试，在印度和深圳数据集上优于现有最优（state of art）方法。
引用
@article{arxiv.2011.09778,
title = {Deep Learning for Automated Screening of Tuberculosis from Indian Chest X-rays: Analysis and Update},
author = {Anushikha Singh and Brejesh Lall and B. K. Panigrahi and Anjali Agrawal and Anurag Agrawal and Balamugesh Thangakunam and DJ Christopher},
journal= {arXiv preprint arXiv:2011.09778},
year = {2020}
}