使用神经网络进行胸部 X 光片中的肺炎检测
图像与视频处理
2022-04-08 v1 计算机视觉与模式识别
摘要
随着人工智能的进步，深度学习技术被广泛应用于设计鲁棒的分类模型，应用于多个领域，例如在医学诊断任务中取得了良好的性能。在本文中，我们提出了一个 CNN 模型（卷积神经网络）用于对北美放射学会肺炎（RSNA）数据集的胸部 X 光图像进行分类。该研究还试图通过尝试近年来已实施的方法论中的各种途径，利用有限的计算资源达到相同的 RSNA 基准结果。所提出的方法基于一个非复杂的 CNN 以及使用迁移学习算法，如 Xception、InceptionV3/V4、EfficientNetB7。除此之外，该研究还试图通过尝试近年来已实施的方法论中的各种途径，利用有限的计算资源达到相同的 RSNA 基准结果。RSNA 基准 MAP 分数为 0.25，但在 3017 个分层样本上使用 Mask RCNN 模型并结合图像增强，得到的 MAP 分数为 0.15。同时，YoloV3 在没有任何超参数调优的情况下，给出了 0.32 的 MAP 分数，但损失仍在持续下降。运行模型进行更多次迭代可能会得到更好的结果。
引用
@article{arxiv.2204.03618,
title = {Pneumonia Detection in Chest X-Rays using Neural Networks},
author = {Narayana Darapaneni and Ashish Ranjan and Dany Bright and Devendra Trivedi and Ketul Kumar and Vivek Kumar and Anwesh Reddy Paduri},
journal= {arXiv preprint arXiv:2204.03618},
year = {2022}
}