用于胸部 X 射线图像分类的深度学习（新冠肺炎）
图像与视频处理
2023-01-09 v1 计算机视觉与模式识别
摘要
在医疗实践中，信息技术的贡献可能相当可观。此类实践大多包含医疗辅助用于识别人体不同病症的图像。其中 X 射线图像占据了本文工作的主体。胸部 X 射线在新冠肺炎的识别与诊断中发挥了重要作用。自 2019 年 12 月中国武汉发现首例病例后，新冠肺炎病毒于 2020 年被宣布为全球大流行。本项目旨在对包含新冠肺炎、病毒性肺炎、肺部渗出和正常的不同胸部 X 射线图像进行分类。我们采用了 CNN 架构与多种预训练模型。最佳结果由 ResNet 18 架构取得，准确率达 94.1%。我们还注意到，GPU 执行时间在 AlexNet 情况下最优，但需注意预训练模型比 CNN 收敛快得多，节省的时间非常可观。这些结果不仅将缩短患者诊断时间，还将为从业者提供有益工具，从而在大流行尤其严峻时予以帮助。
引用
@article{arxiv.2301.02468,
title = {Deep Learning For Classification Of Chest X-Ray Images (Covid 19)},
author = {Benbakreti Samir and Said Mwanahija and Benbakreti Soumia and Umut Özkaya},
journal= {arXiv preprint arXiv:2301.02468},
year = {2023}
}
备注
6 pages, 3 figures