基于CNN与分类算法预测颅骨骨折
计算机视觉与模式识别
2022-08-18 v1 人工智能
机器学习
摘要
计算机断层扫描（CT）图像在疾病诊断中已变得十分重要。CT扫描切片包含大量数据，仅凭常规视觉检查难以以所需的精度和速度妥善分析。亟需一种计算机辅助颅骨骨折分类专家系统以协助医师。卷积神经网络（CNN）是图像分类中应用最广泛的深度学习模型，因为其通常在准确率和结果上优于其他模型。本文开发并测试了CNN模型，并比较了多种卷积神经网络（CNN）架构。其中，ResNet50用于特征提取，并结合梯度提升决策树机器学习算法作为分类器，将脑部CT扫描中的颅骨骨折分为三类，在颅骨骨折分类上取得了最佳综合表现：F1-score为96%、Hamming得分为95%、平衡准确率得分为94%、ROC AUC曲线为96%。
引用
@article{arxiv.2208.06756,
title = {Predicting skull fractures via CNN with classification algorithms},
author = {Md Moniruzzaman Emon and Tareque Rahman Ornob and Moqsadur Rahman},
journal= {arXiv preprint arXiv:2208.06756},
year = {2022}
}