使用 Faster R-CNN 的肺部疾病图像分割
图像与视频处理
2023-09-13 v1 计算机视觉与模式识别
摘要
肺部疾病是发展中国家儿童死亡的主要原因，2016 年印度约占全球肺炎死亡（370,000）的一半。及时诊断对降低死亡率至关重要。本文引入一种低密度神经网络结构以缓解深度网络中的拓扑挑战。该网络将参数纳入特征金字塔，增强数据提取并最小化信息损失。软非极大抑制优化了由区域提议网络生成的区域提议。该研究在胸部 X 射线图像上评估模型，计算混淆矩阵以确定准确率、精确率、灵敏度和特异度。我们分析损失函数，突出其在训练期间的趋势。区域提议损失与分类损失评估模型在训练与分类阶段的性能。本文分析肺部疾病检测与神经网络结构。
引用
@article{arxiv.2309.06386,
title = {Lung Diseases Image Segmentation using Faster R-CNNs},
author = {Mihir Jain},
journal= {arXiv preprint arXiv:2309.06386},
year = {2023}
}