TSSG-CNN:使用自适应卷积神经网络检测和诊断结核病语义细分引导模型
Tae Hoon Kim1, Moez Krichen2, Stephen Ojo3
1School of Information and Electronic Engineering, Zhejiang University of Science and Technology, No. 318, Hangzhou 310023, China.
Diagnostics (Basel, Switzerland)
|June 19, 2024
概括
一种新的结核细分指导诊断模型 (TSSG-CNN) 在从X射线图像中检测结核病时达到98.75%的准确性. 这种深度学习方法精确地细分和诊断结核病,在早期检测方面取得了重大进展.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机科学 计算机科学
背景情况:
- 结核病 (TB) 是一种由Mycobacterium引起的传染性传染病,主要影响肺部,但可能影响其他器官.
- 结核病通过感染个体的空气中滴滴传播,需要有效的诊断工具.
- 目前的诊断方法需要改进,以提高准确性和早期检测.
研究的目的:
- 开发和评估一种新的深度学习模型,用于使用胸部X射线图像进行增强的结核病检测.
- 通过将语义细分与卷积神经网络 (CNN) 架构相结合,提高结核病诊断的精度.
- 评估拟议的结核细分指导诊断模型 (TSSG-CNN) 与其他既有模型的性能.
主要方法:
- 提出了一种新的结核细分指导诊断模型 (TSSG-CNN),集成语义细分和自适应CNN.
- 利用结合深度学习细分和分类模型进行精确的胸部X射线图像分析.
- 采用Mayfly算法 (MA) 进行简化功能优化,并将TSSG-CNN与简单的CNN,BN-CNN和DCNN进行比较.
主要成果:
- TSSG-CNN模型实现了98.75%的高精度和98.70%的F1得分.
- 拟议的模型显著优于其他评估的模型,包括简单的CNN,BN-CNN和DCNN.
- 评估结果证实了深度学习细分模型在TSSG-CNN架构中的有效性.
结论:
- TSSG-CNN模型代表了一种高度准确的结核病检测策略.
- 该研究强调了TSSG-CNN模型在精确和早期诊断结核病方面的潜力.
- 需要进一步的研究来探索这种深度学习方法在医学诊断中的全部功能.
