Klassifizieren von Bildern aus der Pathologie des Brustkorbs mit Hilfe von Techniken des Tiefenlernens

Röntgenaufnahmen des Brustkorbs sind die häufigste Untersuchung in der Radiologie in der heutigen Zeit. Sie sind unentbehrlich und sehr hilfreich für die Überwachung verschiedener Krankheiten, die mit einer hohen Sterblichkeit verbunden sind, und zeigen ein breites Spektrum an möglichen Informationen über verschiedene Krankheiten an. Zu den häufigsten Urteilen bei Thorax-Röntgenuntersuchungen gehören Tuberkulose, Kardiomegalie und Mediastinum-Brusterkrankungen. Die Unterscheidung der verschiedenen Thoraxpathologien ist selbst für den menschlichen Beobachter und für den Radiologen eine schwierige Aufgabe. Daher besteht ein Interesse an der Entwicklung einer Computer-Systemdiagnose, um Radiologen beim maschinellen Lesen von Thoraxbildern zu unterstützen. Die Erkennung von Gesunden versus Pathologie, d.h. Tuberkulose und Kardiomegalie in der Thorax-Röntgenaufnahme wurde mit Laplacian of Gaussian (LoG), lokalen binären Mustern (LBP), Speed up Robust Features (SURF) und auch mit dem Bag-of-Visual-Words (BoVW) -Modell unter Verwendung von Techniken des Artifiziellen Neuronalen Netzes (ANN) und des Tiefenlernens untersucht, das zwischen gesunden und pathologischen Fällen klassifiziert.