TBDLNet：一种用于分类耐多药与药物敏感型结核病的网络
图像与视频处理
2023-12-07 v1 计算机视觉与模式识别
机器学习
摘要
本文提出应用一种新颖的深度学习模型 TBDLNet 来识别 CT 图像，以自动分类耐多药与药物敏感型结核病。选用预训练的 ResNet50 提取特征。使用三个随机神经网络来缓解过拟合问题。通过多数投票集成三个 RNN 以提升鲁棒性。所提模型通过五折交叉验证进行评估。本文选取了五个指标，分别为准确率、灵敏度、精确率、F1 分数和特异度。TBDLNet 分别取得了 0.9822 的准确率、0.9815 的特异度、0.9823 的精确率、0.9829 的灵敏度和 0.9826 的 F1 分数。TBDLNet 适用于分类耐多药结核病与药物敏感型结核病。它可尽早检测出耐多药肺结核，有助于及时调整治疗方案并改善疗效。
引用
@article{arxiv.2310.18222,
title = {TBDLNet: a network for classifying multidrug-resistant and drug-sensitive tuberculosis},
author = {Ziquan Zhu and Jing Tao and Shuihua Wang and Xin Zhang and Yudong Zhang},
journal= {arXiv preprint arXiv:2310.18222},
year = {2023}
}