ハイブリッド深層学習と機械学習フレームワークによる胸部X線画像からの肺炎自動検出

科学分野:

• 医用画像処理
• 人工知能
• コンピュータサイエンス

背景:

• 肺炎は重大な健康リスクをもたらし、正確かつタイムリーな診断が必要です。
• 効果的な治療のためには、肺炎画像と正常な胸部X線画像を区別することが重要です。

研究 の 目的:

• 胸部X線画像からの正確な肺炎検出のためのハイブリッド深層学習システムの開発。
• 単一モデルアプローチと比較して、診断精度と解釈可能性の向上。

主な方法:

• 画像前処理：ヒストグラム均等化、コントラスト正規化、グレースケール変換。
• VGG16およびResNetを用いたハイブリッド特徴抽出、続いて特徴量融合。
• 95%の分散を保持する主成分分析（PCA）による次元削減。
• サポートベクターマシン（SVM）およびランダムフォレスト（RF）分類器を用いた分類。

主要な成果:

• デュアルCNN特徴量融合アプローチは、効果的な肺炎同定を示しました。
• PCA最適化特徴量次元は、モデルの効率と精度を向上させました。
• SVMおよびRF分類器は、より解釈可能な診断結果を提供しました。

結論:

• 提案されたハイブリッド深層学習モデルは、肺炎検出のための堅牢な方法を提供します。
• VGG16およびResNetの特徴量とPCAおよび解釈可能な分類器の組み合わせは、診断能力を向上させます。