25、利用机器学习的高效胸部X光检查与疾病风险预测系统

利用机器学习的高效胸部X光检查与疾病风险预测系统

胸部X光检查的高效方案

在医疗领域，胸部X光检查是检测肺部异常的常用手段。为了评估所开发框架的性能，研究使用了包括肺结核、COVID - 19、肺炎、肿块和积液等多种肺部异常图像。具体选取了2000张图像（1000张健康图像和1000张疾病图像），其中80%用于训练，10%用于测试，10%用于验证。

为验证方案性能，采用了三种方法：
1. 个体深度特征（individual lDF）
2. 集成深度特征（ensemble DF）
3. 深度特征与混合特征结合（DF + HF）

研究仅考察了使用5折交叉验证方法的SoftMax分类器的性能，并计算了包括准确率、精确率、灵敏度、特异度和F1分数等多种性能指标。通过所提出的方法，疾病检测准确率可超过98%。

该研究的重要贡献包括：
- 利用萤火虫算法（Firefly）减少特征，获得混合特征向量。
- 使用个体和集成的深度特征进行疾病分析。
- 利用独特的疾病检测框架检测肺结核、COVID - 19、肺炎、肿块和积液等疾病。

相关研究中，X射线常用于检测肺部异常。以下是一些基于卷积神经网络（CNN）的肺部异常检测方法总结：
| 参考文献 | 实施方法 |
| — | — |
| Bhandary等 | 讨论了基于肺部异常的CT和X光的深度迁移学习方案 |
| Rahman等 | 提出了基于CNN分割和分类的胸部X光片肺结核检测方法 |
| Akcay等 | 介绍了基于深度学习的X光检测方法 |
| Gamuchirai等 | 展示了