9、基于改进VGG16卷积神经网络的胸部X光图像肺结核预测

基于改进VGG16卷积神经网络的胸部X光图像肺结核预测

1. 引言

早期检测肺部疾病对于预防死亡和提高生存率至关重要。肺结核（TB）是一种传染性细菌疾病，主要影响肺部，但也可能攻击身体的其他部位，如肾脏、大脑和脊柱。如果不及时检测，可能会对身体造成严重损害甚至导致死亡。在发展中国家，TB是导致死亡的主要传染病之一。例如，南非正处于TB流行的高峰期，金矿矿工的TB发病率比全国平均水平高出10倍。许多南非矿业公司使用胸部X光来筛查矿工的TB，因为这种方法快速、无创且成本低，但这也导致了大量X光片需要分析。

深度学习已被证明是一种用于医学成像、特征提取和对象分类的强大方法。许多研究人员引入了各种深度学习架构来对肺癌进行分类，其中包括卷积神经网络（CNN）及其变体。在本文中，我们提出了一种基于VGG16的模型来检测胸部X光片中的TB。

2. 相关工作

检测TB是一项具有挑战性的任务，因为胸部X光片中存在各种表现形式，如不透明度、空洞、结节和局灶性病变。近期的研究中，研究人员开始转向基于深度学习的技术。以下是一些相关的研究：
- Hwang等人使用AlexNet网络和迁移学习提出了第一种用于TB检测的深度学习技术，他们使用自定义数据集进行训练，并在Montgomery和Shenzhen数据集上进行测试，分别取得了0.88和0.93的ACU分数。
- Jaeger等人使用图割方法对胸部X光片进行分割，以获取肺部模块，并使用各种分类技术对胸部X光片进行分类，取得了不错的结果。
- Cao等人使用自定义数据集，提出了一种基于GoogLeNet的深度学习模型来检测胸部X光片中的TB，二进制分类的准确率为89.6%，多分类的准确率为62.07%。