AMFP-net:适应性的多尺度特征金字塔网络,用于从胸部X射线图像中诊断肺炎
Md Shariful Alam1, Dadong Wang2, Arcot Sowmya1
1School of Computer Science and Engineering, University of New South Wales, Sydney, NSW, Australia.
Artificial intelligence in medicine
|June 25, 2024
概括
早期检测肺结核病 - - 一种由尘埃暴露引起的肺部疾病,至关重要. 一个新的AI模型AMFP-Net通过专注于肺部不透明度来提高胸部X射线的分类准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 职业健康 职业健康 职业健康
背景情况:
- 通过胸部X射线诊断肺结核病对于采矿业工人来说至关重要.
- 由于图像质量和疾病呈现,自动分类具有挑战性.
- 现有的深度学习模型很难专注于微妙的损伤不透明度.
研究的目的:
- 开发一种先进的AI模型,用于在胸部X射线中准确地分类肺炎.
- 改进现有的卷积神经网络在检测小不透明度方面的局限性.
- 加强早期检测和预防肺结核病的进展.
主要方法:
- 提出了一个新的两级自适应式多尺度特征金字塔网络 (AMFP-Net).
- 整合了一个可适应的多尺度上下文块,用于丰富的特征提取.
- 使用加权特征融合模块来结合低级和高级信息.
- 实施了两阶段的过程:肺部细分,然后进行分类.
主要成果:
- 在肺部细分和肺结核病分类方面,AMFP-Net表现出卓越的性能.
- 该模型有效地解决了低对比度和类间相似性等挑战.
- 在公共和私人数据集上超越了最先进的方法.
结论:
- 拟议的AMFP-Net显著提高了从胸部X射线的自动化肺结核病诊断.
- 该模型能够整合多个尺度的特征,提高了检测微妙的疾病指标的能力.
- AMFP-Net提供了一个有前途的工具,用于早期和准确识别肺结核病.
