基于深度学习的胸部 X 光中胸腔疾病分类
图像与视频处理
2025-01-27 v1 计算机视觉与模式识别
摘要
胸部 X 光在诊断肺炎、结核和新冠肺炎等呼吸系统疾病方面发挥着关键作用，这些疾病在发生率和视觉特征重叠方面存在独特的诊断挑战。严重的类别不平衡和医学图像的复杂性阻碍了自动化分析。本研究利用深度学习技术，包括对预训练模型 (AlexNet、ResNet 和 InceptionNet) 的迁移学习，以增强疾病的检测与分类。通过对这些模型进行微调并引入焦点损失 (focal loss) 以解决类别不平衡问题，实现了显著的性能提升。Grad-CAM 可视化进一步增强了模型的可解释性，提供了影响预测的临床相关区域的见解。例如，InceptionV3 模型在 AUC 上实现了 28% 的提升，在 F1 分数上提高了 15%。这些发现突显了深度学习在改进诊断工作流程和支持临床决策方面的潜力。
引用
@article{arxiv.2501.14279,
title = {Deep Learning-Powered Classification of Thoracic Diseases in Chest X-Rays},
author = {Yiming Lei and Michael Nguyen and Tzu Chia Liu and Hyounkyun Oh},
journal= {arXiv preprint arXiv:2501.14279},
year = {2025}
}