.png){kind=icon}
返回
Tuberculosis detection using few shot learning
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-97803-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
结核病（TB）是一种传染性疾病，显著影响肺部功能。在多种检测方法中，胸部X射线分析被认为是最高效的方法。传统的深度学习方法在结核病检测中已显示出良好效果；然而，模型庞大的参数数量、尺寸及计算需求使其不适合实际部署。由于医疗领域标注数据集稀缺，研究人员生成了增强数据集，但这在医疗领域并非推荐技术。本研究提出TB-FSNet，包含少样本学习-原型网络（FSL-PT）与改进的MobileNet-V2骨干网络，并引入了自注意力层。本研究的主要贡献在于有效训练TB-FSNet在FSL-PT范式下，采用了六种不同的骨干网络。本研究采用的数据集为Montgomery County和Shenzhen胸部X射线数据集的合并数据。所提方法在仅2.21M参数和8.67 MB尺寸下，达到了93.6%的最高准确率，同时保持了高精度、特异性和敏感性等性能指标。此外，TB-FSNet专为无缝集成嵌入式设备设计，适用于边缘设备部署。该模型可实时处理胸部X射线图像，提供即时疾病检测置信度评分。这一能力确保用户无需等待医疗专业人员即可获得准确的诊断信息，提升了结核病检测的可及性和效率。
Keyword:
Few Shot Learning
Tuberculosis
Self Attention
期刊
IF:
3.9
论文数:
27.9W
被引数:
83.5W
机构
暂无机构信息
引用论文
Image Enhancement for Tuberculosis Detection Using Deep Learning基于深度学习的结核病检测图像增强.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Siamese few-shot network: a novel and efficient network for medical image segmentationAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏An Improved Densenet Deep Neural Network Model for Tuberculosis Detection Using Chest X-Ray Images一种改进的Densenet深度神经网络模型，用于胸部x线图像的结核病检测IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A dynamic few-shot learning framework for medical image stream mining based on self-training基于自训练的动态小样本学习框架用于医学图像流挖掘OAAI
OAAI分享收藏Deep learning models for tuberculosis detection and infected region visualization in chest X-ray images胸部x线图像中结核病检测和感染区域可视化的深度学习模型INTELLIGENT MEDICINEOAAI
INTELLIGENT MEDICINEIF6.9
OAAI分享收藏
查看更多内容