一个深度神经网络框架用于从胸部X射线扫描中检测细菌疾病
Shruti Jain1, Himanshu Jindal2, Monika Bharti2
1Department of ECE, Jaypee University of Information Technology, Solan, Himachal Pradesh, India.
Infectious disorders drug targets
|June 2, 2025
概括
这项研究开发了一个深度学习框架,通过胸部X射线检测COVID-19,肺炎和结核病. VGG19模型达到94.72%的准确性,提供快速可靠的呼吸道疾病诊断.
科学领域:
- 医学成像和诊断 医学成像和诊断
- 医疗保健中的人工智能
- 计算机视觉用于疾病检测检测.
背景情况:
- 像COVID-19,肺炎和结核病这样的呼吸系统疾病对全球健康构成重大挑战.
- 准确及时诊断对于有效的患者管理和疾病控制至关重要.
- 传统的诊断方法可能耗时,可能需要专门的专业知识.
研究的目的:
- 开发一种先进的深度学习框架,使用胸部X射线扫描检测多种呼吸系统疾病.
- 评估各种深度神经网络 (DNN) 模型的性能,用于分类COVID-19,肺炎和结核病.
- 建立一个高度准确和高效的自动化系统,用于呼吸道疾病的诊断.
主要方法:
- 一个深度神经网络 (DNN) 系统被设计用于分析胸部X射线图像.
- 该系统使用各种DNN学习算法提取了基于颜色,曲线和边缘的特征.
- 亚当优化器用于模型训练,以最大限度地降低错误率.
主要成果:
- 在 1800 张胸部X射线的数据集上,VGG19 模型在评估的 DNN 模型中获得了最高的准确性 (94.72%).
- 该系统表现出高灵敏度 (92.73%),特异性 (96.68%) 和F1得分 (94.66%),错误率低 (5.28%).
- VGG19显著优于其他模型,如AlexNet,GoogleNet,InceptionV3和VGG16,预测时间在3-5秒之间.
结论:
- 拟议的深度学习模型可以在几秒钟内通过胸部X射线有效检测COVID-19,肺炎和结核病.
- 该框架通过优化特征提取和控制系统复杂性来提供高可靠性和效率.
- 这种自动化系统是临床医生在快速和准确的呼吸道疾病诊断中提供了宝贵的工具.