利用深度神经网络从 X 射线图像预测肺炎并检测区域
量子物理
2021-01-20 v1 数学物理
math.MP
摘要
生物医学图像正在急剧增长。在此过程中，许多机器学习算法被提出以预测和识别各种疾病。其中一种疾病是肺炎，它是由细菌和病毒通过人肺部气囊的炎症引起的感染。本文提出一种算法，接收 X 射线图像作为输入，并验证该患者是否感染肺炎以及发生炎症的肺部具体区域。该算法基于迁移学习机制，使用预训练的 ResNet-50 (卷积神经网络) 后接一些自定义层进行预测。模型达到了 90.6% 的准确率，证实了模型的有效性并可应用于患者肺炎检测。此外，使用类激活图检测肺部感染区域。同时开发了 PneuNet，以便用户更轻松地访问和使用该服务。
引用
@article{arxiv.2101.07716,
title = {Hilbert-Schmidt Separability Probabilities from Bures Ensembles and vice versa: Applications to Quantum Steering Ellipsoids and Monotone Metrics},
author = {Paul B. Slater},
journal= {arXiv preprint arXiv:2101.07716},
year = {2021}
}
备注
7 pages, 2 figures