有效和准确的肺炎检测使用一种新的多尺度变压器方法

科学领域:

• 人工智能的人工智能
• 医疗成像医学成像
• 计算机辅助诊断 计算机辅助诊断

背景情况:

• 肺炎是全球主要的健康问题,导致严重的发病率和死亡率.
• 胸部X射线对于肺炎诊断至关重要,但由于图像的变化,它们面临解释挑战.
• 自动化系统可以提高诊断的一致性,并支持肺炎检测的临床决策.

研究的目的:

• 开发一种新的多尺度变压器方法,用于整合肺部细分和肺炎分类.
• 通过胸部X射线提高自动肺炎检测的准确性和效率.
• 创建一个计算效率高的模型,适合资源有限的临床环境.

主要方法:

• 一个轻量级的变压器增强的TransUNet被用于精确的肺部细分 (95.68%的子得分).
• 预先训练的ResNet模型 (ResNet-50,ResNet-101) 提取了用于分类的多尺度特征.
• 一个卷积的剩余注意力模块和一个修改过的变压器处理了功能,以改善肺炎检测.

主要成果:

• 拟议的方法在Kermany数据集上达到93.75%的准确性,在Cohen数据集上达到96.04%的准确性.
• 肺部细分组件表现出高性能,使用的参数比传统变压器少.
• 综合方法在肺炎检测准确性和计算效率方面超过了现有方法.

结论:

• 新的多尺度变压器方法为肺炎检测提供了强大而高效的解决方案.
• 针对细分和分类的统一框架提高了医学成像诊断的可靠性.
• 这种人工智能驱动的方法有望改善患者的治疗结果,并支持肺炎诊断中的临床工作流程.