TBDLNet: a network for classifying multidrug-resistant and drug-sensitive tuberculosis

要約

この論文では、新しい深層学習モデル TBDLNet を適用して CT 画像を認識し、多剤耐性結核と薬剤感受性結核を自動的に分類することを提案します。
特徴を抽出するために、事前トレーニングされた ResNet50 が選択されます。
過剰適合の問題を軽減するために、3 つのランダム化されたニューラル ネットワークが使用されます。
3 つの RNN のアンサンブルは、多数決を通じて堅牢性を高めるために適用されます。
提案されたモデルは 5 分割相互検証によって評価されます。
この論文では、精度、感度、精度、F1 スコア、特異性の 5 つの指標が選択されています。
TBDLNet は、それぞれ、精度 0.9822、特異度 0.9815、精度 0.9823、感度 0.9829、F1 スコア 0.9826 を達成します。
TBDLNet は、多剤耐性結核と薬剤感受性結核の分類に適しています。
多剤耐性肺結核をできるだけ早期に検出できるため、治療計画を適時に調整し、治療効果を高めることができます。

要約(オリジナル)

This paper proposes applying a novel deep-learning model, TBDLNet, to recognize CT images to classify multidrug-resistant and drug-sensitive tuberculosis automatically. The pre-trained ResNet50 is selected to extract features. Three randomized neural networks are used to alleviate the overfitting problem. The ensemble of three RNNs is applied to boost the robustness via majority voting. The proposed model is evaluated by five-fold cross-validation. Five indexes are selected in this paper, which are accuracy, sensitivity, precision, F1-score, and specificity. The TBDLNet achieves 0.9822 accuracy, 0.9815 specificity, 0.9823 precision, 0.9829 sensitivity, and 0.9826 F1-score, respectively. The TBDLNet is suitable for classifying multidrug-resistant tuberculosis and drug-sensitive tuberculosis. It can detect multidrug-resistant pulmonary tuberculosis as early as possible, which helps to adjust the treatment plan in time and improve the treatment effect.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google