肺炎对易感人群威胁较大，胸部 X 光片常用于筛查，但诊断仍主要依赖医生经验，提出了一种基于胸部 X 光片的智能辅助肺炎诊断系统，利用深度学习提高诊断效率并减少主观偏差
点击空白处退出提示
基于胸部 X 光片的肺炎智能辅助诊断系统设计 产品系统
我要开发同款技术信息
作品详情
行业场景
功能介绍
系统使用 Kaggle Chest X-Ray Images 数据集，应用数据预处理和类别权重调整解决类别不平衡问题。采用 ResNet50 和 DenseNet121 两种预训练网络作为特征提取骨干，并通过迁移学习进行二分类训练。利用 Grad-CAM 方法生成热力图，提升模型可解释性
项目实现
系统使用 Kaggle Chest X-Ray Images 数据集，应用数据预处理和类别权重调整解决类别不平衡问题。采用 ResNet50 和 DenseNet121 两种预训练网络作为特征提取骨干，并通过迁移学习进行二分类训练。利用 Grad-CAM 方法生成热力图，提升模型可解释性。实验结果表明，DenseNet121 在准确率、召回率、F1 分数和 AUC 方面优于 ResNet50，准确率为 92.83%，召回率为 96.41%，F1 分数为 95.15%，AUC 为0.9769。系统通过 Gradio 实现 Web 端、通过 PyQt6 实现桌面端，单张图像推理时间为1-2 秒，适用于实时筛查。该系统在肺炎早期检测和智能医学影像诊断中具有较大潜力
示例图片
声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
评论