用于胸部X射线图像肺炎检测的轻量级加权平均集成模型
图像与视频处理
2025-02-04 v2 人工智能
计算机视觉与模式识别
摘要
肺炎是儿童病亡的主要原因，凸显了早期和准确检测的必要性。本研究提出了一种用于检测儿童肺炎的新型轻量级集成模型。该集成模型整合了两种预训练的卷积神经网络（CNN），MobileNetV2和NASNetMobile，两者在计算效率和准确率之间取得了良好平衡。这些模型在儿童胸部X射线数据集上进行了微调，并组合以提高分类性能。我们 proposed 的集成模型达到了98.63%的分类准确率，在准确率、精确率、召回率和F1分数方面均显著优于单个模型，如MobileNetV2（97.10%）和NASNetMobile（96.25%）。此外，该集成模型在保持计算效率的同时，超过了包括ResNet50、InceptionV3和DenseNet201在内的前沿架构。该轻量级集成模型为肺炎检测提供了一种高效且资源受限的解决方案，特别适用于资源受限环境的部署。
引用
@article{arxiv.2501.16249,
title = {Lightweight Weighted Average Ensemble Model for Pneumonia Detection in Chest X-Ray Images},
author = {Suresh Babu Nettur and Shanthi Karpurapu and Unnati Nettur and Likhit Sagar Gajja and Sravanthy Myneni and Akhil Dusi and Lalithya Posham},
journal= {arXiv preprint arXiv:2501.16249},
year = {2025}
}
备注
Corresponding authors: Shanthi Karpurapu ([email protected]), Suresh Babu Nettur ([email protected]) Shanthi Karpurapu and Suresh Babu Nettur are co-first authors