多类深度学习架构用于从胸部X射线和CT图像中对肺部疾病进行分类
Mona Hmoud Al-Sheikh1, Omran Al Dandan2, Ahmad Sami Al-Shamayleh3
1Physiology Department, College of Medicine, Imam Abdulrahman Bin Faisal University, 34212, Dammam, Saudi Arabia.
Scientific reports
|November 8, 2023
概括
这项研究引入了一种自动化系统,用于使用医学成像检测多种肺部疾病. 这种新的方法结合了图像增强和深度学习模型,在分类胸部X射线和CT扫描中实现了高精度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 医学成像,包括胸部X射线和CT扫描,对于诊断肺部疾病至关重要.
- 早期和准确的检测有助于疾病预防和管理.
- 开发自动化系统可以提高肺病诊断的效率和准确性.
研究的目的:
- 通过胸部X射线和CT扫描图像提出一个用于检测多种肺部疾病的自动化系统.
- 开发和评估一种用于医学扫描的新型图像增强技术.
- 为了比较定制卷积神经网络 (CNN) 和预训练模型用于肺部疾病分类的性能.
主要方法:
- 一种涉及预处理和深度学习分类的两步方法.
- 图像预处理使用k符号的Lerch超越函数模型进行基于像素概率的增强.
- 分类使用定制的CNN,AlexNet和VGG16Net模型.
主要成果:
- 该系统在公共数据集上实现了高分类准确性,敏感性和特异性.
- 对于X射线数据集:准确率为98.60%,灵敏度为98.40%,特异性为98.50%.
- 对于CT扫描数据集:准确率为98.80%,灵敏度为98.50%,特异性为98.40%.
结论:
- 拟议的自动化系统显示了多肺病检测的巨大潜力.
- 集成的图像增强模型显著提高了整体处理和分类准确度.
- 该研究验证了深度学习模型在肺部疾病的医学图像分析中的有效性.
