NDL-Net:一种混合深度学习框架,用于通过胸部X射线诊断新生儿呼吸困扰综合征
Malik Muhammad Arslan1, Xiaodong Yang1, Nan Zhao1
1Key Laboratory of High Speed Circuit Design and EMC of Ministry of Education, School of Electronic EngineeringXidian University Xi'an 710071 China.
IEEE open journal of engineering in medicine and biology
|July 14, 2025
概括
一个新的深度学习模型,NDL-Net,使用胸部X射线准确诊断新生儿呼吸困扰综合征 (NRDS). 这种人工智能工具可以改善新生儿NRDS的早期检测和管理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 新生儿医学 新生儿医学
背景情况:
- 新生儿呼吸困扰综合征 (NRDS) 是新生儿的一种严重疾病.
- 准确及时诊断NRDS对于有效治疗至关重要.
- 当前的诊断方法可能在速度和准确性方面存在局限性.
研究的目的:
- 引入NDL-Net,这是一个用于NRDS诊断的新型混合深度学习框架.
- 用新生儿胸部X射线 (CXR) 来评估NDL-Net的诊断性能.
- 改善新生儿NRDS的早期检测和管理.
主要方法:
- 开发了NDL-Net,一种混合深度学习架构.
- 集成的MobileNetV3 Large用于图像处理和ResNet50用于模式检测.
- 整合了长短期记忆 (LSTM) 层,用于时间数据分析.
主要成果:
- 在新生儿CXR数据集上,NDL-Net实现了高诊断性能.
- 获得了98.09%的准确性,97.45%的精度,98.73%的灵敏度,98.08%的F1得分和98.73%的特异性.
- 证明了较低的虚假阴性和虚假阳性率,表明了卓越的诊断能力.
结论:
- NDL-Net意味着NRDS医疗诊断的实质性进展.
- 该框架通过改进NRDS的早期检测来增强新生儿护理.
- NDL-Net为新生儿的NRDS及时管理提供了一个有前途的工具.
