基于深度卷积神经网络（CNN）迁移学习的胸部 X 光肺炎检测
图像与视频处理
2020-05-08 v1 计算机视觉与模式识别
机器学习
摘要
肺炎是一种威胁生命的疾病，发生于肺部，由细菌或病毒感染引起。若未及时处置可能危及生命，因此肺炎的早期诊断至关重要。本文旨在利用数字 X 光图像自动检测细菌性及病毒性肺炎。它详细报告了在准确检测肺炎方面取得的进展，并介绍了作者所采用的方法。使用了四种不同的预训练深度卷积神经网络（CNN）——AlexNet、ResNet18、DenseNet201 和 SqueezeNet 进行迁移学习。5247 张细菌、病毒和正常的胸部 X 光图像经过预处理技术，修改后的图像被用于基于迁移学习的分类任务训练。在这项工作中，作者报告了三种分类方案：正常与肺炎、细菌与病毒性肺炎、以及正常、细菌和病毒性肺炎。正常与肺炎图像、细菌与病毒性肺炎图像、以及正常、细菌和病毒性肺炎的分类准确率分别为 98%、95% 和 93.3%。这是任何方案中高于文献报道准确率的最高准确率。因此，所提出的研究可有助于放射科医生更快地诊断肺炎，并可用于肺炎患者的快速机场筛查。
引用
@article{arxiv.2004.06578,
title = {Transfer Learning with Deep Convolutional Neural Network (CNN) for Pneumonia Detection using Chest X-ray},
author = {Tawsifur Rahman and Muhammad E. H. Chowdhury and Amith Khandakar and Khandaker R. Islam and Khandaker F. Islam and Zaid B. Mahbub and Muhammad A. Kadir and Saad Kashem},
journal= {arXiv preprint arXiv:2004.06578},
year = {2020}
}
备注
13 Figures, 5 tables. arXiv admin note: text overlap with arXiv:2003.13145