UCSD使用卷积神经网络,构建图像分类模型检测肺炎
在本篇文章《Large Dataset of Labeled Optical Coherence Tomography (OCT) and Chest X-Ray Images》中,作者将概述如何使用卷积神经网络构建可靠的图像分类模型,以便从胸部 x 光图像中检测肺炎的存在。肺炎是一种常见的感染,它使肺部的气囊发炎,引起呼吸困难和发烧等症状。尽管肺炎并不难治疗,但及时诊断是至关重要的。如果没有适当的治疗,肺炎可能会致命,特别是在儿童和老年人中。胸部x光检查是诊断肺炎的一种负担得起的方法。开发一种能够可靠地根据x光图像对肺炎进行分类的模型,可以减轻需求高的地区医生的负担。Kermany和他在加州大学圣迭戈分校的同事们在使用深度学习的胸部x光和光学相干断层扫描的基础上,主动识别疾病。我们使用他们研究中提供的胸部x光图像作为我们的数据集。https://data.mendeley.com/datasets/rscbjbr9sj/3我们的模型显示,根据我们的数据集,使用卷积神经网络,它能够正确地检测到接近98%的肺炎病例。但尤其对于危及生命的医疗问题,即使只有2%的漏诊病例也不应被简单地忽略。