6、基于自适应分割和深度学习的胸部X光图像肺部疾病检测与分类及乳腺癌预测分析

基于自适应分割和深度学习的胸部X光图像肺部疾病检测与分类及乳腺癌预测分析

肺部疾病检测与分类

在现代医疗领域，肺部疾病如肺癌、肺炎以及新冠 - 19 等，对人类健康构成了重大威胁。肺炎由于其感染性强，导致的死亡率较高。在肺部疾病检测中，胸部X光成像技术因其成本效益高，与CT扫描有相似的检测效果，被医生广泛用于肺炎等肺部疾病的分析。同时，物联网在智能医疗系统中的应用，也对智能疾病监测系统提出了需求。

为了实现准确的肺部疾病检测和分类，提高肺炎检测的准确性并减少检测时间，研究人员提出了一种基于自适应分割和深度学习的框架。该框架主要包括图像预处理、自适应分割、特征提取和自动疾病检测几个关键步骤。

1. 图像预处理

   • 对比度增强 ：对于低对比度的胸部X光图像，首先通过调整图像强度值来增强对比度，使用函数 imadjust 实现，公式为 I1 = imadjust(I) ，其中 I 是输入的胸部X光图像， I1 是对比度增强后的图像。
   • 噪声去除 ：在对比度增强后，可能会引入噪声，同时X光扫描本身也可能带来噪声。因此，采用2D中值滤波进一步去除噪声。中值滤波通过在图像中逐像素移动，将每个像素值替换为其邻域像素的中值。在本研究中，使用3×3的邻域窗口，公式为 I2(i, j) = median{I2(i, j)|(i, j) ∈ w} ，其中