通过深度学习提升肺炎诊断与病情评估：集成 CNN 分类与感染分割的综合方法
计算机视觉与模式识别
2025-02-11 v1
摘要
肺病是全球性健康挑战中的重要问题，肺炎是其中的一种常见病。本研究聚焦于利用深度学习技术来检测和评估肺炎，旨在解决两个相互关联的目标。首先，介绍卷积神经网络(CNN)模型用于肺炎分类，强调综合诊断评估需考虑新冠肺炎。随后，本研究主张利用基于深度学习的分割技术来确定感染的严重程度。这一双重方法为医疗专业人员提供了宝贵的见解，帮助其更深入地理解和有效治疗肺炎。整合深度学习旨在提升肺炎检测的准确性和效率，从而促进全球范围内医疗成果的改善。
引用
@article{arxiv.2502.06735,
title = {Enhancing Pneumonia Diagnosis and Severity Assessment through Deep Learning: A Comprehensive Approach Integrating CNN Classification and Infection Segmentation},
author = {S Kumar Reddy Mallidi},
journal= {arXiv preprint arXiv:2502.06735},
year = {2025}
}