用于多类胸部感染诊断的深度残差 CNN
图像与视频处理
2023-11-20 v1 计算机视觉与模式识别
机器学习
摘要
深度学习的出现显著推动了自动医学图像诊断的能力，在医疗健康与医学诊断领域提供了宝贵的工具和资源。本研究深入探讨了一种深度残差卷积神经网络（CNN）的开发与评估，用于利用胸部 X 光图像对胸部感染进行多类诊断。所实现的模型在汇总自多个来源的数据集上训练和验证，展现出 93% 的稳健总体准确率。然而，不同类别间性能的细微差异，尤其是纤维化，凸显了自动医学图像诊断固有的复杂性与挑战。所得见解为未来研究指明方向，聚焦于提升模型对图像中呈现更微妙和细微视觉特征病症的分类能力，以及优化和改进模型架构与训练过程。本文对该模型的开发、实现与评估进行了全面探讨，为该领域的未来研究与开发提供了见解与方向。
引用
@article{arxiv.2311.10430,
title = {Deep Residual CNN for Multi-Class Chest Infection Diagnosis},
author = {Ryan Donghan Kwon and Dohyun Lim and Yoonha Lee and Seung Won Lee},
journal= {arXiv preprint arXiv:2311.10430},
year = {2023}
}