基于深度学习的胸部X射线图像识别及分类模型研究

摘要

目的 以深度学习中的卷积神经网络为基础搭建胸部X射线(chest X-ray, CXR)图像分类模型，为肺部疾病提供可靠的辅助诊断技术。方法 经KAGGLE数据库收集新冠肺炎、轻度肺部感染、病毒性肺炎及正常的四种胸部X射线图片，按3∶1∶1的比例将数据随机划分成训练集，测试集和验证集；基于卷积神经网络架构搭建CXR图像分类模型，调节超参数对模型进行加强和优化；后通过混淆矩阵、准确率、灵敏度、K折交叉验证结果等指标对模型进行验证及评价。结果 本研究模型对肺部影像图片的分类准确率为0.81、灵敏度为0.80、测试集和验证集损失值能够稳定在一个较低的水平。与相同迁移算法的模型相比，在测试数据集上的精确率、准确率、灵敏度、F1分值分别提高了1.7%、1.7%、1.3%、2.9%。结论 此模型对于CXR图像的识别和分类的性能更强，可以更有效地应用于肺部疾病的辅助分析和判断。

关键词

肺部疾病 / 模型构建 / 深度学习 / 影像识别