用于肺炎检测的优化深度特征选择：一种新颖的RegNet与基于XOR的PSO方法
图像与视频处理
2023-09-04 v1 计算机视觉与模式识别
摘要
肺炎仍是儿童死亡的重要原因，尤其在资源和专业知识有限的发展中国家。肺炎的自动检测可极大助力应对此挑战。本研究提出一种基于XOR的粒子群优化（PSO）方法，从RegNet模型的倒数第二层选择深度特征，旨在提升CNN模型对肺炎检测的准确率。所提XOR PSO算法仅引入一个用于初始化的超参数，具有简洁性，且每次迭代所需计算时间极少。此外，它在探索与利用间取得平衡，从而收敛到合适解。通过提取163个特征，达到了98%的令人印象深刻的准确率，与先前基于PSO的方法准确度相当。所提方法的源代码见于GitHub仓库。
引用
@article{arxiv.2309.00147,
title = {Optimized Deep Feature Selection for Pneumonia Detection: A Novel RegNet and XOR-Based PSO Approach},
author = {Fatemehsadat Ghanadi Ladani and Samaneh Hosseini Semnani},
journal= {arXiv preprint arXiv:2309.00147},
year = {2023}
}