一个深度学习的特点是基于提取的混合方法,用于在胸部X射线图像中检测儿科肺炎
Ufuk Bal1, Alkan Bal2, Özge Taylan Moral3
1Osmaniye Korkut Ata University Electrical and Electronics Engineering Department, Osmaniye, Turkey. ufukbal@osmaniye.edu.tr.
Physical and engineering sciences in medicine
|November 22, 2023
概括
这项研究引入了一种用于早期儿童肺炎检测的新型混合方法. 它结合了深度学习和机器学习,实现了高精度,简化了诊断,改善了患者的治疗结果.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 儿科肺病学 儿科肺病学
背景情况:
- 肺炎是一种肺气囊感染,对健康构成重大风险.
- 早期检测对于有效治疗和管理肺炎至关重要.
- 目前用于肺炎检测的机器学习方法主要集中在成人身上,对于儿科病例的标准化有限.
研究的目的:
- 开发和评估混合深度学习和机器学习方法,用于准确的儿科肺炎检测.
- 通过自动化特征提取来简化肺炎检测过程.
- 改进现有的最先进的方法来诊断儿科肺炎.
主要方法:
- 这是一种混合方法,结合了深度学习 (功能提取的AlexNet) 和机器学习 (中等神经网络).
- 使用深度学习的自动功能提取,消除了手动功能工程的需要.
- 建议模型在用于儿童肺炎检测数据集上的验证.
主要成果:
- 混合方法在检测儿科肺炎方面实现了97.9%的准确率.
- 记录了98.0%的灵敏率,表明了高检测能力.
- 与现有的最先进的方法相比,提出的方法显示出更高的性能.
结论:
- 开发的混合模型为儿科肺炎检测提供了一个高度准确和简化的解决方案.
- 通过深度学习自动提取功能显著提高了诊断性能.
- 这种方法有望改善儿童肺炎的早期诊断和治疗.
