Chest Disease Detection In X-Ray Images Using Deep Learning Classification Method

要約

この作業では、複数の分類モデルのパフォーマンスを調査して、胸部X線画像をCovid-19、肺炎、結核（TB）、および正常症例の4つのカテゴリに分類します。
転送学習技術を、最先端の事前訓練を受けた畳み込みニューラルネットワーク（CNNS）モデルで活用しました。
これらの事前に訓練されたアーキテクチャを、ラベル付きの医療X線画像で微調整しました。
初期の結果は、精度、リコール、F1スコアなどの主要な分類メトリックで高精度と強力なパフォーマンスで有望です。
モデルの解釈可能性に勾配加重クラスの活性化マッピング（Grad-CAM）を適用して、分類決定の視覚的説明を提供し、臨床アプリケーションの信頼と透明性を向上させました。

要約(オリジナル)

In this work, we investigate the performance across multiple classification models to classify chest X-ray images into four categories of COVID-19, pneumonia, tuberculosis (TB), and normal cases. We leveraged transfer learning techniques with state-of-the-art pre-trained Convolutional Neural Networks (CNNs) models. We fine-tuned these pre-trained architectures on a labeled medical x-ray images. The initial results are promising with high accuracy and strong performance in key classification metrics such as precision, recall, and F1 score. We applied Gradient-weighted Class Activation Mapping (Grad-CAM) for model interpretability to provide visual explanations for classification decisions, improving trust and transparency in clinical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google