基于像素的肺炎诊断——用于检测与分类的深度学习模型
图像与视频处理
2024-04-22 v1
摘要
人工识别和分类肺炎及 COVID-19 感染是一个繁琐的过程，如果延误可能会对患者造成不可逆的损害。我们汇集了来自多个来源的 CT 扫描图像，即来自中国胸部 CT 图像调查联盟（CC-CCII）、位于伊朗萨里的 Negin 放射科、Harvard Dataverse 的一个开放获取 COVID-19 存储库，以及印度钦奈的 Sri Ramachandra 大学。使用归一化、锐化、中值滤波、二值化和裁剪等多种方法对图像进行预处理，以确保训练模型时的均匀性。我们提出了一种使用深度学习和机器学习方法的集成分类方法，对患有上述疾病的患者进行分类。我们的集成模型使用 ResNet-18 和 ResNet-50 等预训练网络进行分类，并使用 MobileNetV2 进行特征提取。MobileNetV2 提取的特征被梯度提升分类器用于患者分类。使用 ResNet-18、ResNet-50 以及 MobileNetV2 辅助的梯度提升分类器，我们提出了一种在未见数据上准确率达到 98% 的集成模型。
引用
@article{arxiv.2404.12405,
title = {Pneumonia Diagnosis through pixels -- A Deep Learning Model for detection and classification},
author = {Amit Karanth Gurpur and Janani S and Ajeetha B and Brintha Therese A and Rajeswaran Rangasami},
journal= {arXiv preprint arXiv:2404.12405},
year = {2024}
}
备注
11 pages,9 figures