使用深度卷积神经网络集成在胸部X光图像上进行肺炎检测
图像与视频处理
2023-12-14 v1 计算机视觉与模式识别
机器学习
摘要
肺炎是一种由多种不同病毒感染引起的危及生命的肺部感染。由于肺炎与其他肺部疾病的相似性，在胸部X光图像上识别和治疗肺炎可能很困难。因此，现有的肺炎预测方法无法达到足够的准确度。为此，本文提出了一种计算机辅助肺炎分类方法，称为集成学习（EL），以简化胸部X光图像的诊断过程。我们的方案基于卷积神经网络（CNN）模型，这些模型是预训练的CNN模型，最近已被用于提高许多医疗任务的性能，而非从头开始训练CNN模型。我们提出使用三个在ImageNet数据库上预训练的知名CNN模型（DenseNet169、MobileNetV2和Vision Transformer）。然后，使用微调技术在胸部X光数据集上训练这些模型。最后，在实验阶段通过组合从这三个模型中提取的特征来获得结果。所提出的EL方法优于其他现有的最先进方法，在测试阶段获得了93.91%的准确率和93.88%的F1分数。
引用
@article{arxiv.2312.07965,
title = {Pneumonia Detection on chest X-ray images Using Ensemble of Deep Convolutional Neural Networks},
author = {Alhassan Mabrouk and Rebeca P. Díaz Redondo and Abdelghani Dahou and Mohamed Abd Elaziz and Mohammed Kayed},
journal= {arXiv preprint arXiv:2312.07965},
year = {2023}
}
备注
14 pages, 4 figures, journal