胸部X射线图像中的肺炎检测：处理类别不平衡
图像与视频处理
2023-01-23 v1 计算机视觉与模式识别
机器学习
摘要
全球各地的人们都受到肺炎影响，但其导致的死亡在撒哈拉以南亚洲和南亚最高。近年来，尽管使用了有效疫苗和强效抗生素，肺炎的总体发病率和死亡率仍有所上升。因此，肺炎仍是一种需要迅速预防与治疗的疾病。肺炎的广泛流行促使研究界提出一种能够准确、及时检测、诊断和分析疾病的框架。人工智能（AI）研究界面临的主要障碍之一是缺乏包括肺炎在内的胸部疾病公开数据集。其次，少数可用数据集高度不平衡（正常样本过采样，而患病样本严重少数），使问题更具挑战性。本文提出一种新颖的肺炎检测框架。所提方法的新颖性在于处理类别不平衡问题。生成对抗网络（GAN），特别是深度卷积生成对抗网络（DCGAN）与带梯度惩罚的 Wasserstein GAN（WGAN-GP）的组合，被应用于少数类“肺炎”进行数据增强，而对多数类“无发现”进行随机欠采样（RUS）以应对不平衡问题。最大的数据集之一 ChestX-Ray8 被用于验证所提框架的性能。学习阶段通过在最先进的深度学习模型（即 ResNet-50、Xception 和 VGG-16）上的迁移学习完成。所得结果超越当前最优（SOTA）。
引用
@article{arxiv.2301.08479,
title = {Pneumonia Detection in Chest X-Ray Images : Handling Class Imbalance},
author = {Wardah Ali and Eesha Qureshi and Omama Ahmed Farooqi and Rizwan Ahmed Khan},
journal= {arXiv preprint arXiv:2301.08479},
year = {2023}
}