Published June 29, 2022
| Version v1
Publication
Open
Performance Evaluation of the Deep Learning Based Convolutional Neural Network Approach for the Recognition of Chest X-Ray Images
Creators
- 1. Chitkara University
- 2. Kongju National University
- 3. Taif University
- 4. Suez Canal University
Description
Recent advancement in the field of deep learning has provided promising performance for the analysis of medical images. Every year, pneumonia is the leading cause for death of various children under the age of 5 years. Chest X-rays are the first technique that is used for the detection of pneumonia. Various deep learning and computer vision techniques can be used to determine the virus which causes pneumonia using Chest X-ray images. These days, it is possible to use Convolutional Neural Networks (CNN) for the classification and analysis of images due to the availability of a large number of datasets. In this work, a CNN model is implemented for the recognition of Chest X-ray images for the detection of Pneumonia. The model is trained on a publicly available Chest X-ray images dataset having two classes: Normal chest X-ray images and Pneumonic Chest X-ray images, where each class has 5000 Samples. 80% of the collected data is used for the purpose to train the model, and the rest for testing the model. The model is trained and validated using two optimizers: Adam and RMSprop. The maximum recognition accuracy of 98% is obtained on the validation dataset. The obtained results are further compared with the results obtained by other researchers for the recognition of biomedical images.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
قدم التقدم الأخير في مجال التعلم العميق أداءً واعدًا لتحليل الصور الطبية. في كل عام، يعد الالتهاب الرئوي السبب الرئيسي لوفاة العديد من الأطفال دون سن الخامسة. الأشعة السينية على الصدر هي أول تقنية تستخدم للكشف عن الالتهاب الرئوي. يمكن استخدام العديد من تقنيات التعلم العميق والرؤية الحاسوبية لتحديد الفيروس الذي يسبب الالتهاب الرئوي باستخدام صور الأشعة السينية على الصدر. في هذه الأيام، من الممكن استخدام الشبكات العصبية الالتفافية (CNN) لتصنيف الصور وتحليلها بسبب توفر عدد كبير من مجموعات البيانات. في هذا العمل، يتم تنفيذ نموذج CNN للتعرف على صور الأشعة السينية للصدر للكشف عن الالتهاب الرئوي. يتم تدريب النموذج على مجموعة بيانات صور الأشعة السينية للصدر المتاحة للجمهور والتي تحتوي على فئتين: صور الأشعة السينية العادية للصدر وصور الأشعة السينية للصدر الرئوي، حيث يحتوي كل فصل على 5000 عينة. يتم استخدام 80 ٪ من البيانات التي تم جمعها لغرض تدريب النموذج، والباقي لاختبار النموذج. يتم تدريب النموذج والتحقق من صحته باستخدام محسّنين: آدم و RMSprop. يتم الحصول على الحد الأقصى لدقة التعرف بنسبة 98 ٪ على مجموعة بيانات التحقق من الصحة. تتم مقارنة النتائج التي تم الحصول عليها بشكل أكبر بالنتائج التي حصل عليها باحثون آخرون للتعرف على الصور الطبية الحيوية.Translated Description (French)
Les progrès récents dans le domaine de l'apprentissage profond ont fourni des performances prometteuses pour l'analyse des images médicales. Chaque année, la pneumonie est la principale cause de décès chez divers enfants de moins de 5 ans. Les radiographies pulmonaires sont la première technique utilisée pour la détection de la pneumonie. Diverses techniques d'apprentissage en profondeur et de vision par ordinateur peuvent être utilisées pour déterminer le virus qui cause la pneumonie à l'aide d'images radiographiques thoraciques. De nos jours, il est possible d'utiliser les réseaux de neurones convolutionnels (CNN) pour la classification et l'analyse des images en raison de la disponibilité d'un grand nombre d'ensembles de données. Dans ce travail, un modèle CNN est mis en œuvre pour la reconnaissance des images radiographiques thoraciques pour la détection de la pneumonie. Le modèle est formé sur un ensemble de données d'images de radiographie thoracique accessible au public comprenant deux classes : les images de radiographie thoracique normales et les images de radiographie pulmonaire, chaque classe contenant 5 000 échantillons. 80 % des données collectées sont utilisées dans le but de former le modèle, et le reste pour tester le modèle. Le modèle est formé et validé à l'aide de deux optimiseurs : Adam et RMSprop. La précision maximale de reconnaissance de 98 % est obtenue sur l'ensemble de données de validation. Les résultats obtenus sont ensuite comparés aux résultats obtenus par d'autres chercheurs pour la reconnaissance d'images biomédicales.Translated Description (Spanish)
Los recientes avances en el campo del aprendizaje profundo han proporcionado un rendimiento prometedor para el análisis de imágenes médicas. Cada año, la neumonía es la principal causa de muerte de varios niños menores de 5 años. Las radiografías de tórax son la primera técnica que se utiliza para la detección de la neumonía. Se pueden utilizar varias técnicas de aprendizaje profundo y visión artificial para determinar el virus que causa la neumonía utilizando imágenes de rayos X del tórax. En estos días, es posible utilizar redes neuronales convolucionales (CNN) para la clasificación y el análisis de imágenes debido a la disponibilidad de una gran cantidad de conjuntos de datos. En este trabajo se implementa un modelo CNN para el reconocimiento de imágenes de rayos X de tórax para la detección de Neumonía. El modelo está entrenado en un conjunto de datos de imágenes de rayos X de tórax disponible públicamente que tiene dos clases: imágenes de rayos X de tórax normales e imágenes de rayos X de tórax neumónicas, donde cada clase tiene 5000 muestras. El 80% de los datos recopilados se utiliza con el propósito de entrenar el modelo y el resto para probar el modelo. El modelo se entrena y valida utilizando dos optimizadores: Adam y RMSprop. La precisión de reconocimiento máxima del 98% se obtiene en el conjunto de datos de validación. Los resultados obtenidos se comparan aún más con los resultados obtenidos por otros investigadores para el reconocimiento de imágenes biomédicas.Files
pdf.pdf
Files
(7.4 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:0adc2ab9916111845f4e02ef1ac6962f
|
7.4 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تقييم أداء نهج الشبكة العصبية الالتفافية القائمة على التعلم العميق للتعرف على صور الأشعة السينية للصدر
- Translated title (French)
- Évaluation de la performance de l'approche du réseau neuronal convolutionnel basée sur l'apprentissage profond pour la reconnaissance des images radiographiques thoraciques
- Translated title (Spanish)
- Evaluación del rendimiento del enfoque de red neuronal convolucional basado en el aprendizaje profundo para el reconocimiento de imágenes de rayos X de tórax
Identifiers
- Other
- https://openalex.org/W4285819920
- DOI
- 10.3389/fonc.2022.932496
References
- https://openalex.org/W2091724448
- https://openalex.org/W2138474302
- https://openalex.org/W2924911266
- https://openalex.org/W2932522561
- https://openalex.org/W2986087452
- https://openalex.org/W3015658722
- https://openalex.org/W3017309755
- https://openalex.org/W3041041945
- https://openalex.org/W3120274599
- https://openalex.org/W3124660468
- https://openalex.org/W3126674636
- https://openalex.org/W3156331990
- https://openalex.org/W3158007732
- https://openalex.org/W3160132771
- https://openalex.org/W3215520248
- https://openalex.org/W4205737054
- https://openalex.org/W4206283862
- https://openalex.org/W4210598198
- https://openalex.org/W4212887403
- https://openalex.org/W4220715862
- https://openalex.org/W4225160998
- https://openalex.org/W4281777492
- https://openalex.org/W4300485340