医学图像分类系统在 TensorFlow Keras、PyTorch 与 JAX 上的性能比较
计算机视觉与模式识别
2025-07-22 v1 人工智能
摘要
医学成像在早期疾病诊断和监测中发挥着关键作用。具体而言，血细胞形态学分析和血液学异常检测提供了宝贵的见解。近年来，基于深度学习的自动化分类系统在提高血图像分析的准确率和效率方面展现出巨大潜力。然而，针对特定深度学习框架的详细性能分析仍显不足。本文比较了三个流行的深度学习框架——TensorFlow 集成 Keras、PyTorch 与 JAX——在对血细胞图像进行分类方面的性能。该研究主要关注推断时间差异，也关注不同图像尺寸下的分类性能。结果揭示了受因素（如图像分辨率和框架特定优化）影响的框架之间性能差异。JAX 和 PyTorch 的分类准确率相当于当前基准，展示了这些框架在医学图像分类中的效率。
引用
@article{arxiv.2507.14587,
title = {Performance comparison of medical image classification systems using TensorFlow Keras, PyTorch, and JAX},
author = {Merjem Bećirović and Amina Kurtović and Nordin Smajlović and Medina Kapo and Amila Akagić},
journal= {arXiv preprint arXiv:2507.14587},
year = {2025}
}