.png){kind=icon}
返回
An optimized EfficientNetB0 framework with CLAHE-based preprocessing for accurate multi-class chest X-ray classification
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-42492-1.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
胸部放射学仍然是胸部疾病的基本诊断工具，但在多种病理共同存在这一常见临床情境下，解读重叠的解剖结构尤为困难，这种情况在深度学习方法中常被过度简化。本研究提出了一种优化的EfficientNetB0框架，专门用于基于NIH数据集的胸部X射线多标签分类，集成了基于CLAHE的对比度增强、策略性类别平衡以及一种比较迁移学习策略，该策略保留了数据集固有的多标签复杂性。所提出的模型实现了卓越的诊断性能，宏观平均AUC为0.906，召回率为0.824，优于DenseNet121和MobileNetV2，并表现出强大的单类别判别能力，尤其对于肺炎（AUC=0.950）和心脏肥大（AUC=0.946）。这些结果证实，该框架在真实的多标签临床环境中有效平衡了学习能力和泛化能力，提供了一种稳健且可解释的解决方案，适用于计算机辅助诊断，其中准确检测共同存在的胸部病理学至关重要。
Keyword:
Computational biology and bioinformatics
Diseases
Health care
Mathematics and computing
Medical research
Chest X-ray classification
EfficientNetB0
CLAHE preprocessing
Transfer learning
Thoracic pathology detection
Science
Humanities and Social Sciences
multidisciplinary
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.2W
被引数:
83.5W
机构
引用论文
How artificial intelligence improves radiological interpretation in suspected pulmonary embolism
OAAI
OAAI分享收藏Diagnostic Case-Control versus Diagnostic Cohort Studies for Clinical Validation of Artificial Intelligence Algorithm Performance.png)
RADIOLOGY
RADIOLOGYIF15.2
PREAI
分享收藏Development and Validation of a Deep Learning-Based Automated Detection Algorithm for Major Thoracic Diseases on Chest Radiographs基于深度学习的胸部主要疾病自动检测算法的开发和验证JAMA NETWORK OPENOAAI
JAMA NETWORK OPENIF9.7
OAAI分享收藏E-RespiNet: An LLM-ELECTRA driven triple-stream CNN with feature fusion for asthma classificationPLOS ONE
PLOS ONEIF2.6
PREAI
分享收藏分享收藏A deep learning architecture for multi-class lung diseases classification using chest X-ray (CXR) images使用胸部x射线 (CXR) 图像进行多类肺部疾病分类的深度学习架构OAAI
OAAI分享收藏
查看更多内容