.png){kind=icon}
返回
Automatic multiple disease prediction approach using optimized convolutional neural network layers
.png){kind=icon}
PRE
AI
DOI：10.1007/s11042-026-21925-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着计算机视觉和深度学习（DL）的快速发展，从医学图像中实现自动和早期疾病预测已引起广泛关注。尽管计算机断层扫描（CT）和胸部X光成像常用于肺部疾病诊断，但当代基于DL的计算机辅助诊断（CAD）系统主要采用计算密集型的预训练模型，这些模型常受限于冗余特征学习、泛化能力有限以及计算开销增大等问题。为克服这些限制，本研究提出了一种基于优化卷积神经网络（OCNN）的多模态肺部疾病分类自动疾病检测方法（ADDA），结合了CT和胸部X光数据。与基于CNN的框架不同，所提出的ADDA是一种紧凑架构，在统一的端到端框架中联合优化卷积层配置、注意力引导特征精炼、通过L1正则化进行稀疏特征学习以及序列特征分类。捕获的医学图像经过综合预处理步骤，旨在通过降噪和对比度增强提高诊断质量。所提出的优化卷积神经网络（OCNN）利用优化的卷积架构和注意力引导特征精炼，自动学习紧凑且具有判别性的特征表示。在训练过程中，我们在损失函数中添加L1正则化作为惩罚项，以抑制冗余特征表示并增强网络的泛化能力。随后，改进的序列特征向量立即输入LSTM分类器以正确分类肺部疾病。所提出的ADDA框架在三个公开可用的CT和胸部X光数据集上进行了全面实验，涵盖多种肺部疾病类别。实验结果表明，ADDA模型在平均准确率上较许多当前最先进的DL模型提升了4.89%，计算时间减少了22.78%。这些结果证明，所建议的轻量级多模态框架是自动化肺部疾病诊断的一种可行且计算高效的方案。
Keyword:
Automatic disease prediction
Convolutional neural network
Deep learning
Feature learning
Lung disease classification
期刊
IF:
3
论文数:
2.0W
被引数:
3.2W
机构
查看更多机构
引用论文
分享收藏分享收藏Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm.png)
SOFT COMPUTING
OAAI
SOFT COMPUTINGIF2.5
OAAI分享收藏An automatic approach based on CNN architecture to detect Covid-19 disease from chest X-ray imagesAPPLIED INTELLIGENCEOAAI
APPLIED INTELLIGENCEIF3.5
OAAI分享收藏Lung Disease Classification Using Deep Learning and ROI-Based Chest X-Ray Images基于深度学习和ROI（感兴趣区域）胸片图像的肺部疾病分类TechnologiesOAAI
TechnologiesIF3.6
OAAI分享收藏分享收藏Deep Learning Assisted Predict of Lung Cancer on Computed Tomography Images Using the Adaptive Hierarchical Heuristic Mathematical ModelIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏 查看更多内容