Transfer-Learning-basierter Ansatz zur Diagnose von Lungenerkrankungen aus Röntgenbildern des Brustkorbs

Die Verwendung von Röntgenbildern des Brustkorbs ist eine der kostengünstigsten und einfachsten Methoden zur Diagnose von Patienten mit Lungenerkrankungen wie Pneumonie und Bronchitis. Inspiriert von bestehenden Arbeiten wird ein Deep-Learning-Modell vorgeschlagen, um Röntgenbilder des Brustkorbs in 14 lungenspezifische pathologische Zustände zu klassifizieren. Kleine Datensätze sind jedoch nicht ausreichend, um das Deep-Learning-Modell zu trainieren. Zwei Methoden wurden verwendet, um dieses Problem anzugehen: (1) Transfer-Learning basierend auf zwei vortrainierten neuronalen Netzwerken, DenseNet und ResNet, wurde eingesetzt; (2) Die Daten wurden vor der Einspeisung in das neuronale Netzwerk vorbehandelt, einschließlich Überprüfung von Datenlecks, Behandlung des Klassenungleichgewichts und Durchführung von Datenaugmentation. Das vorgeschlagene Modell wurde anhand der Klassifikationsgenauigkeit und der Kurven der Receiver Operating Characteristics (ROC) sowie durch Aktivierungskarten der Klassen visualisiert. DenseNet121 und ResNet50 wurden in den Simulationen verwendet, und die Ergebnisse zeigten, dass das mit DenseNet121 trainierte Modell eine bessere Genauigkeit hatte als das mit ResNet50 trainierte.