Mélytanulás alkalmazása orvosi képfeldolgozásban tüdőgyulladás felismerésére

Abstract

A kutatás célja a mélytanulás és a transzfer tanulás alkalmazhatóságának vizsgálata volt a tüdőgyulladás és a tuberkulózis felismerésére röntgenfelvételek alapján. A munka során három modellt vizsgáltam, melyek teljesítményét megfigyeltem az előtanított súlyaikat, illetve nulláról tanult súlyokat használva. Ez a három modell a következő: ResNet18, MobileNetV3_Small, EfficientNet_B0. A kísérletben háromszoros rétegzett keresztvalidációt használtam, mellyel a felhasznált adathalmazt három részre osztottam fel. A modellek kiértékeléséhez olyan metrikákra támaszkodtam, mint a pontosság, precizitás, szenzitivitás és az F1-pontszám, melyek közül az F1-pontszámot tekintettem a legfontosabb mutatónak. A legkimagaslóbb eredményt az EfficientNet_B0 modell előtanított súlyait alkalmazva sikerült elérni, mely 96,85% ± 1,27%-os F1-pontszámot jelent. A kutatás alátámasztotta az orvosi döntéstámogató rendszerek relevanciáját és megmutatta használatuknak előnyeit.