在胸部X射线中增强检测肺,使用具有注意力机制的深度学习合奏
Waseem Abbasi1, Afshan Shahzadi2, Abeer Aljohani3
1Department of Computer Science, The University of Lahore, Sargodha Campus, Sargodha, 40100, Pakistan. waseemabbasi97@gmail.com.
Journal of imaging informatics in medicine
|October 7, 2025
概括
这项研究引入了一种深度学习模型,用于从胸部X射线中诊断肺,提高准确性和速度. 人工智能方法增强了临床决策,以获得更好的患者护理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肺部医学 肺部医学
背景情况:
- 肺的诊断依赖于主观的临床方法,导致变化.
- 准确和及时诊断肺水对于患者的治疗结果至关重要.
研究的目的:
- 开发一种深度学习模型,用于使用胸部X射线进行自动肺水诊断.
- 与传统方法相比,提高诊断的准确性和速度.
主要方法:
- 在NIH胸部X射线数据集上使用了卷积神经网络 (CNN).
- 整合了注意力机制和数据增强,以改善通用化.
- 员工关注地图用于模型透明度和验证.
主要成果:
- 在验证时获得了90%的准确性和0.91的F1得分.
- 通过交叉验证证明了强大的性能,准确度为87%.
- 美国有线电视新闻网 (CNN) 的模型从胸部X射线中有效地分类了肺.
结论:
- 深度学习模型为早期肺瘤诊断提供了一个潜在的解决方案.
- 这种人工智能驱动的方法可以促进更快,更准确的临床决策.
- 改进的诊断过程和患者护理是潜在的好处.


