基于人工智能方法的医学图像分析用于疾病的检测、治疗和规划
图像与视频处理
2024-05-21 v1 计算机视觉与模式识别
机器学习
多媒体
摘要
X射线是检测和诊断人体的流行图像模态。X射线提供疾病或无疾病时器官的实际解剖结构。对胸部 X 射线图像中的疾病进行分割对于诊断和治疗至关重要。本文讨论了使用人工智能技术对 X 射线图像进行分割的框架。我们对数据进行预处理和清洗，然后使用 SegNet 和残差网络方法对 X 射线图像进行分割。最后，使用诸如损失、Dice 系数、Jaccard 系数、精确率、召回率、二元准确率和验证准确率等众所周知的指标对分割进行评估。实验结果表明，所提出的方法在所有众所周知的参数上均表现更好，采用 16 batch size 和 50 个 epoch。SegNet 和 Residual Unet 模型的验证准确率、精确率和召回率分别为 0.9815、0.9699、0.9574 和 0.9901、0.9864、0.9750。
引用
@article{arxiv.2405.11295,
title = {Medical Image Analysis for Detection, Treatment and Planning of Disease using Artificial Intelligence Approaches},
author = {Nand Lal Yadav and Satyendra Singh and Rajesh Kumar and Sudhakar Singh},
journal= {arXiv preprint arXiv:2405.11295},
year = {2024}
}
备注
10 pages, 3 figures