Un examen de radiographie thoracique (CXR) est l'un des examens radiologiques utilisés pour aider un médecin à diagnostiquer une maladie chez les patients de manière sécurisée, rapide et peu coûteuse. Le développement de systèmes de diagnostic assisté par ordinateur (CAD) a incité de nombreux chercheurs à explorer des méthodes de détection des maladies utilisant l'imagerie par rayons X. En mettant en œuvre cette recherche, il est espéré qu'elle permettra au personnel médical de diagnostiquer rapidement et avec précision les maladies des patients. Cette étude utilise trois ensembles de données sur l'élargissement aortique, la cardiomégalie et la COVID-19. Un réseau de neurones convolutifs (CNN) est une méthode largement utilisée par les chercheurs pour construire des systèmes de conception assistée par ordinateur (CAD). Cette étude vise à comparer la performance de sept modèles de CNN avec différentes architectures pour déterminer lequel produit la plus haute précision. Les sept modèles de CNN utilisés comprennent DenseNet121, DenseNet169, DenseNet201, InceptionV3, MobileNet, ResNet50 et Xception. Les résultats des tests montrent que le modèle DenseNet201, avec une taille d'entrée de 224 × 224 pixels, atteint la valeur de précision la plus élevée pour tous les ensembles de données, dépassant 90% de précision.
Somawirata et al. (Wed,) ont étudié cette question.