通过卷积神经网络增强医疗健康中的计算机视觉放射诊断
图像与视频处理
2024-01-17 v1 计算机视觉与模式识别
摘要
本研究考察了卷积神经网络（CNNs）在放射诊断中的变革力量，重点关注可解释性、有效性与伦理问题。借助改进的DenseNet架构，该CNN在特异性、灵敏度以及准确性方面表现优异。对比分析验证了其对传统方法的优越性，并突显了效率提升。尽管如此，可解释性问题凸显出对精细方法以及持续模型改进的必要性。互操作性与放射科医生培训等集成问题引出了团队合作的建议。对伦理影响的系统性考量得以开展，亟需完备的框架。未来工作需优先精炼架构、可解释性以及伦理考量，以实现放射诊断中负责任的CNN部署。
引用
@article{arxiv.2311.11234,
title = {Enhancing Radiology Diagnosis through Convolutional Neural Networks for Computer Vision in Healthcare},
author = {Keshav Kumar K. and Dr N V S L Narasimham},
journal= {arXiv preprint arXiv:2311.11234},
year = {2024}
}