基于DarkCovidNet模型自动检测肺结核的分析

张 立夫, 李 丹
四川大学锦城学院

摘要

肺结核是目前世界上单一感染源导致人类死亡的主要原因，超过了艾滋病，每年有数百万的人罹患这种疾病，作为一种慢性传染病，尽早发现对后续治疗有着至关重要的影响。目前，对于此结核病的诊断方法中，X光胸片检查仍是临床诊断的首选方法之一，随着病例的增多，放射学医师有时很难通过肉眼观察到患者X光胸片的特征，基于机器学习的计算机辅助系统可以辅助医师做出更加准确的决策。在本项研究中，利用DarkCovidNet模型对肺结核病例(abnormal/normal)进行自动检测，分别在5次、10次、15次、100次这四种迭代次数上训练并进行对比分析，发现迭代次数的增加有助于使模型训练的效果变得更好和趋稳，得到最好的准确率为0.81(迭代次数100次)。除此之外，还利用经典的ResNet34模型与DarkCovidNet模型分别迭代5次进行训练比较分析，得到ResNet34模型的准确率为0.84，而DarkCovidNet模型仅为0.77，更深的模型网络层次在一定程度上有助于模型训练的效果，但同时也耗费了更多的时间。

关键词

肺结核；X光胸片；机器学习；DarkCovidNet

参考

[1]Global tuberculosis report 2019. World Health Organization. http:// www.who.int/tb/publications/global_report/en . 2019.

[2] 罗一婷 , 翁榕星 , 周芳 , 余卫业 , 陆普选 .2019 WHO 全球结 核报告：全球与中国关键数据分析 [J]. 新发传染病电子杂 志 ,2020,5(01):47-50.

[3] 刘洋 . 肺结核病灶自动检测方法研究 [D]. 哈尔滨 : 哈尔滨工 业大学 ,2019.

[4] 陈曼,胡启飞,祝绚,吴民泸,代娟,赖翼,段佳慧,谭积善.肺 结核快速检测技术对肺结核的早期诊断 [J]. 中华实用诊断与 治疗杂志 ,2010,24(03):304-305.

[5] 赵长成 .X 线胸片在肺结核诊断的应用价值分析 [J]. 影像研 究与医学应用 ,2020,4(12):247-248.

[6] 张效荣 . 基于卷积神经网络的深度学习算法与应用研究 [D].西安：西安电子科技大学 ,2015.

[7]Tulin Ozturk,Muhammed Talo,Eylul Azra Yildirim,Ulas Baran Baloglu,Ozal Yildirim,U. Rajendra Acharya. Automated detection of COVID-19 cases using deep neural networks with X-ray im- ages[J]. Computers in Biology and Medicine,2020,121.

[8]Liu J , Liu J , Liu Y , et al. A Locating Model for Pulmonary Tu- berculosis Diagnosis in Radiographs[J]. 2019.

[9] 毋一帆 . 基于深度卷积神经网络的 X 光片肺结核检测和分类 [D]. 西安：西北大学 ,2019.[10]P.Lakhani,B.Sundaram, 王臣 . 胸部 X 线影像的深度学习 : 应 用卷积神经网络进行肺结核自动分类 [J]. 国际医学放射学杂 志 ,2017,40(05):601-602.

[11] 许可 . 卷积神经网络在图像识别上的应用的研究 [D]. 杭州： 浙江大学 ,2012.

[12] 任进军 , 王宁 . 人工神经网络中损失函数的研究 [J]. 甘肃高 师学报 ,2018,23(02):61-63.

[13] 刘亚 . 动漫角色智能分析算法研究及应用 [D]. 合肥 : 安徽 大学 ,2018.