基于胸部 X 光影像的结核病少样本学习分类
图像与视频处理
2024-09-19 v1 人工智能
计算机视觉与模式识别
摘要
结核病由细菌种类结核分枝杆菌引起，主要影响肺部。及早检测对于提高治疗效果和降低传播风险至关重要。人工智能 (AI)，特别是通过胸部 X 光影像分类，可辅助结核病检测。然而，结核病胸部 X 光影像数据集中类别不平衡的问题，给予准确分类带来挑战。本文提出一种基于少样本学习 (FSL) 的方法，采用原型网络算法解决此问题。我们比较了 ResNet-18、ResNet-50 和 VGG16 在 TBX11K 胸部 X 光影像数据集上进行特征提取的性能。实验结果表明，ResNet-18 达到 98.93% 的分类准确率，ResNet-50 达到 98.60%，而 VGG16 仅为 33.33%。这些发现表明，所提方法在缓解数据不平衡方面优于其他方法，尤其适用于疾病分类应用。
引用
@article{arxiv.2409.11644,
title = {Few-Shot Learning Approach on Tuberculosis Classification Based on Chest X-Ray Images},
author = {A. A. G. Yogi Pramana and Faiz Ihza Permana and Muhammad Fazil Maulana and Dzikri Rahadian Fudholi},
journal= {arXiv preprint arXiv:2409.11644},
year = {2024}
}
备注
6 pages. Pre-print