TBNet：基于深度神经网络的肺结核诊断系统

肺结核是一种在全球流行的致命传染病。由于缺乏适当的技术手段，该疾病的早期检测难以实现。此外，现有的肺结核检测方法因依赖不必要的特征而未达到值得称道的标准，这使得此类技术作为可靠的医疗技术已显过时。本文提出一种基于深度学习的系统，该系统依据胸部 X 光中的关键特征以及原始胸部 X 光来诊断肺结核。采用我们的系统将通过克服进行耗时的基于痰液的检测方法（诊断微生物学）的需要来加速肺结核诊断过程。与先前方法 \cite{kant2018towards, melendez2016automated} 不同，我们的工作利用最先进的 ResNet \cite{he2016deep}，并使用 Haar \cite{viola2005detecting,viola2001rapid} 和 LBP \cite{ojala1994performance,ojala1996comparative} 等传统鲁棒特征进行适当的数据增强。我观察到这样的流程将肺结核检测率提升至令人高度满意的水平。我们的工作使用公开的肺部胸部 X 光数据集来训练我们的网络 \cite{jaeger2014two}。然而，该公开数据集规模很小，不足以达到最佳精度。为克服此问题，我设计了一个基于直观特征的数据增强流水线。与其他使用镜像和旋转等操作的常规方法相比，我们的方法将帮助深度神经网络 \cite{lecun2015deep,he2016deep,krizhevsky2012imagenet} 将训练聚焦于受肺结核影响的区域，从而使其更鲁棒且更准确。通过使用我们简单而强大的技术，我观察到性能精度提升了 10%。