基于图像的空气质量指数分析用于肺病病情严重程度预测——深度学习技术
计算机视觉与模式识别
2024-05-08 v1 机器学习
摘要
空气污染是全球范围内的重大健康隐患，导致各种呼吸系统疾病。随着智慧城市的兴起和物联网传感器设备的普及，空气质量制图技术取得了进展，数据量的增加推动了空气污染预测的发展。本研究旨在构建一种集成方法，利用图像数据预测空气质量，并基于空气质量指数(AQI)评估肺病病情严重程度。旨在通过优化现有技术来提高预测AQI和肺病病情严重程度准确性的方法。该研究旨在预测除PM2.5水平外的其他大气污染物，如AQI、PM10、O3、CO、SO2、NO2。此外，本研究旨在将所提出的方法与现有方法进行比较，以显示其有效性。本文采用VGG16模型对图像进行特征提取，并使用神经网络进行AQI预测。对于肺病病情严重程度的预测，采用了支持向量分类器(SVC)和K近邻(KNN)算法。神经网络模型预测AQI的训练准确率为88.54%，测试准确率为87.44%，该结果通过损失函数衡量；用于预测肺病病情严重程度的KNN模型训练准确率达98.4%，测试准确率为97.5%。总之，本研究提出的集成方法实现了空气质量预测和肺病病情严重程度评估，采用神经网络、KNN和SVC模型，AQI预测测试准确率达87.44%，肺病病情严重程度预测测试准确率达97.5%。未来工作计划采用迁移学习和更先进的深度学习模块来增强预测能力。虽然本研究聚焦于印度，但旨在扩展至全球范围。
引用
@article{arxiv.2405.03981,
title = {Predicting Lung Disease Severity via Image-Based AQI Analysis using Deep Learning Techniques},
author = {Anvita Mahajan and Sayali Mate and Chinmayee Kulkarni and Suraj Sawant},
journal= {arXiv preprint arXiv:2405.03981},
year = {2024}
}
备注
11 pages