基于改进VGG16的猴痘疾病检测图像数据收集与深度学习模型实现
图像与视频处理
2022-06-07 v1 计算机视觉与模式识别
摘要
当世界仍在试图从 COVID-19 广泛传播造成的破坏中恢复时，猴痘病毒构成了成为新全球大流行的新威胁。尽管猴痘病毒本身不像 COVID-19 那样致命和具传染性，但每天仍有来自许多国家的新增病例报告。因此，如果世界因缺乏适当的预防步骤而面临另一场全球大流行，也不足为奇。近来，机器学习（ML）已在基于图像的诊断中展现出巨大潜力，如癌症检测、肿瘤细胞识别和 COVID-19 患者检测。因此，类似应用可被采用以诊断猴痘相关疾病，因其感染人体皮肤，可获取图像并进一步用于疾病诊断。考虑到这一机会，本工作中我们介绍了一个新开发的公开可用“Monkeypox2022”数据集，可从我们共享的 GitHub 仓库获取。该数据集通过收集来自多个开源和在线门户的图像创建，这些门户即使出于商业目的也不限制使用，从而为构建和部署任何类型 ML 模型时提供更安全的使用与传播路径。此外，我们提出并评估了一个改进 VGG16 模型，包含两项不同研究：研究一与研究二。我们的探索性计算结果表明，所提模型识别猴痘患者的准确率分别为研究一的 （AUC=97.2）和研究二的 （AUC=0.867）。另外，我们利用局部可解释模型无关解释（LIME）阐释了模型的预测与特征提取，有助于更深入理解表征猴痘病毒发作的特定特征。
引用
@article{arxiv.2206.01862,
title = {Image Data collection and implementation of deep learning-based model in detecting Monkeypox disease using modified VGG16},
author = {Md Manjurul Ahsan and Muhammad Ramiz Uddin and Mithila Farjana and Ahmed Nazmus Sakib and Khondhaker Al Momin and Shahana Akter Luna},
journal= {arXiv preprint arXiv:2206.01862},
year = {2022}
}