计算和数学方法在医学

研究文章

一个胸综合症与卷积神经网络分类方法

表1

简短的总结的灵感来自于早期的研究领域疾病的识别。


美国没有。	作者和年份	论文标题	技术使用	客观的

1	巴拉蒂&把;(30.]	疾病检测的基于混合深度学习Subrato肺部x光图像	CNN,香草神经网络	胸部疾病的模型提出了分类的精度指标,回忆,和 - - - - - -分数
2	拉贾et al。31日]	评估一个机器学习模型在胸片异常检测	连续的美国有线电视新闻网	使用加权平均基础学习者对胸部进行分类-射线
3	陈等人。28]	有效的气胸检测胸部x光图像使用本地二进制模式和支持向量机	支持向量机和局部二进制模式	本文提出了一种方法来检测使用局部二进制模式的肺部疾病,然后进一步利用支持向量机技术对疾病的类型进行分类
4	李等人。32]	胸疾病识别和定位有限的监督	美国有线电视新闻网	识别和定位异常的x射线
5	Sharma et al。33]	分析图像的卷积神经网络分类	美国有线电视新闻网	摘要小说在分析三种类型的CNN的实时图像;这些都是AlexNets, GoogLeNet, ResNet50
6	姚明et al。(34]	从头开始学习诊断利用标签之间的依赖关系	LSTM	长期短期记忆网络用于胸部疾病之间的区别
7	Esteva et al。35]	Dermatologist-Level皮肤癌与深层神经网络分类	t-SNE-based神经网络	分析了内部功能的细胞通过CNN t-distributed随机邻居嵌入
8	王等人。27]	ChestX-ray8: Hospital-Scale胸部x光片数据库和基准Weakly-Supervised共同胸腔疾病的分类和定位	美国有线电视新闻网	工作小说胸疾病如何被发现和明确的帮助下轻轻地联合监督multilabelled图像分类和疾病定位框架;相同的验证中使用的数据集