基于深度学习、分割与可视化的可靠肺结核检测
图像与视频处理
2020-10-27 v1 计算机视觉与模式识别
摘要
肺结核(TB)是一种由细菌感染引起的慢性肺部疾病,为十大主要死因之一。准确且早期的 TB 检测极为重要,否则可能危及生命。本工作中,我们利用图像预处理、数据增强、图像分割及深度学习分类技术,从胸部 X 射线图像中可靠地检测 TB。本研究使用了数个公共数据库,构建了包含 700 张 TB 感染与 3500 张正常胸部 X 射线图像的数据库。采用九种不同的深度 CNN(ResNet18、ResNet50、ResNet101、ChexNet、InceptionV3、Vgg19、DenseNet201、SqueezeNet 与 MobileNet),以预训练初始权重进行迁移学习,并训练、验证与测试以分类 TB 与非 TB 正常病例。本工作进行了三项不同实验:使用两种不同 U-net 模型分割 X 射线图像、使用 X 射线图像分类、以及使用分割后肺图像分类。使用 X 射线图像检测肺结核的准确率、精确率、灵敏度、F1 分数、特异度分别为 97.07 %、97.34 %、97.07 %、97.14 % 与 97.36 %。然而,用于分类的分割肺图像优于整张 X 射线图像分类,其准确率、精确率、灵敏度、F1 分数、特异度分别为 99.9 %、99.91 %、99.9 %、99.9 % 与 99.52 %。本文还使用可视化技术确认 CNN 主要从分割肺区域学习,从而获得更高检测精度。所提方法具有最先进的性能,可用于计算机辅助快速诊断肺结核。
引用
@article{arxiv.2007.14895,
title = {Reliable Tuberculosis Detection using Chest X-ray with Deep Learning, Segmentation and Visualization},
author = {Tawsifur Rahman and Amith Khandakar and Muhammad Abdul Kadir and Khandaker R. Islam and Khandaker F. Islam and Rashid Mazhar and Tahir Hamid and Mohammad T. Islam and Zaid B. Mahbub and Mohamed Arselene Ayari and Muhammad E. H. Chowdhury},
journal= {arXiv preprint arXiv:2007.14895},
year = {2020}
}
备注
15 pages, 12 figure and 5 Tables