自动肺部疾病分类从胸部X射线图像使用混合深度学习算法
Abobaker Mohammed Qasem Farhan1, Shangming Yang1
1School of information and Software Engineering, University of Electronic Science and Technology of China, Chengdu, China.
Multimedia tools and applications
|June 26, 2023
概括
一个新的混合深度学习算法 (HDLA) 增强了从胸部X射线的肺部疾病分类. 与现有方法相比,这种方法提高了3.1%的准确性,并减少了16.91%的计算复杂性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 胸部X射线对于诊断肺部疾病至关重要.
- 现有的肺病分类方法在准确性和效率方面存在局限性.
- 深度学习为自动化和改进的诊断准确性提供了潜力.
研究的目的:
- 开发和评估一种新的混合深度学习算法 (HDLA),用于从胸部X射线图像中自动分类肺部疾病.
- 为了提高肺部疾病检测的准确性和减少计算复杂性.
- 调查结合预处理,特征提取和机器学习分类器的有效性.
主要方法:
- 胸部X射线图像的预处理,使用最佳的过来提高质量.
- 使用预训练的二维卷积神经网络 (CNN) 模型自动提取特征.
- 使用min-max缩放优化提取的特征.
- 使用AdaBoost,支持矢量机 (SVM),随机森林 (RM),反向传播神经网络 (BNN) 和深度神经网络 (DNN) 的特征分类.
主要成果:
- 拟议的HDLA框架在肺部疾病分类方面表现得更好.
- 与最先进的方法相比,该模型的整体精度提高了3.1%.
- 观察到计算复杂度减少了16.91%.
结论:
- 混合深度学习算法 (HDLA) 提供了一种强大而高效的方法,用于从胸部X射线进行肺部疾病分类.
- 提出的方法在诊断准确性和计算效率方面提供了显著的改进.
- 这一框架有可能增强肺部疾病的计算机辅助诊断系统.
