Explainable Lung Disease Classification from Chest X-Ray Images Utilizing Deep Learning and XAI

要約

肺疾患は依然として世界的な健康上の重大な懸念であり、肺疾患を正確かつ迅速に診断する方法が重要です。
この研究では、さまざまな肺疾患をウイルス性肺炎、細菌性肺炎、新型コロナウイルス感染症、結核、正常な肺の 5 つのグループに分類することに焦点を当てています。
高度な深層学習技術を採用し、CNN、ハイブリッド モデル、アンサンブル、トランスフォーマー、Big Transfer などの多様なモデルを調査します。
この研究には、ハイパーパラメータ調整、層化された k 分割相互検証、微調整を伴う転移学習などの包括的な方法論が含まれています。注目すべきことに、私たちの調査結果では、5 分割相互検証を通じて微調整された Xception モデルが最高のパフォーマンスを達成していることが明らかになりました。
精度は 96.21\% です。
この成功は、私たちの方法がさまざまな肺疾患を正確に特定するのにうまく機能することを示しています。
説明可能な人工知能 (XAI) 手法の探求により、これらのモデルで採用されている意思決定プロセスについての理解がさらに深まり、臨床応用における信頼性の向上に貢献します。

要約(オリジナル)

Lung diseases remain a critical global health concern, and it’s crucial to have accurate and quick ways to diagnose them. This work focuses on classifying different lung diseases into five groups: viral pneumonia, bacterial pneumonia, COVID, tuberculosis, and normal lungs. Employing advanced deep learning techniques, we explore a diverse range of models including CNN, hybrid models, ensembles, transformers, and Big Transfer. The research encompasses comprehensive methodologies such as hyperparameter tuning, stratified k-fold cross-validation, and transfer learning with fine-tuning.Remarkably, our findings reveal that the Xception model, fine-tuned through 5-fold cross-validation, achieves the highest accuracy of 96.21\%. This success shows that our methods work well in accurately identifying different lung diseases. The exploration of explainable artificial intelligence (XAI) methodologies further enhances our understanding of the decision-making processes employed by these models, contributing to increased trust in their clinical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google