Pneumonia App：使用可解释卷积神经网络（CNN）进行高效儿科肺炎诊断的移动应用
图像与视频处理
2024-04-02 v1 计算机视觉与模式识别
摘要
肺炎支原体肺炎（MPP）在儿科医疗保健中构成了重大的诊断挑战，在像中国这样其流行的地区尤为如此。我们推出了 PneumoniaAPP，这是一款利用深度学习技术快速检测 MPP 的移动应用。我们的方法利用在包含 3345 张胸部 X 射线（CXR）图像的综合数据集上训练的卷积神经网络（CNN），该数据集包括 833 张显示 MPP 的 CXR 图像，并额外用来自公开数据集的样本进行了增强。如测试数据集所示，该 CNN 模型在所有类别上达到了 88.20% 的准确率和 0.9218 的 AUROC，其中针对支原体类别的特定准确率为 97.64%。此外，我们将可解释性技术集成到 PneumoniaAPP 中，以帮助呼吸科医师进行肺部不透明区域定位。我们的贡献超越了现有研究，其针对儿科 MPP，强调 0-12 岁年龄段，并优先部署于移动设备。这项工作标志着儿科肺炎诊断的重大进展，提供了一个可靠且易于使用的工具，以减轻医疗环境中的诊断负担。
引用
@article{arxiv.2404.00549,
title = {Pneumonia App: a mobile application for efficient pediatric pneumonia diagnosis using explainable convolutional neural networks (CNN)},
author = {Jiaming Deng and Zhenglin Chen and Minjiang Chen and Lulu Xu and Jiaqi Yang and Zhendong Luo and Peiwu Qin},
journal= {arXiv preprint arXiv:2404.00549},
year = {2024}
}
备注
27 Pages,7 figures