Classification of x-ray images for detection of childhood pneumonia using pre-trained neural networks
Palavras-chave:
Pneumonia, NasNetLarge, Xception, Classification, Inception V3, Chest-X-Ray
Resumo
Este artigo descreve uma comparação entre três redes neurais pré-treinadas para a classificação de imagens de radiografia de tórax: Xception, Inception V3 e NasNetLarge. As redes foram implementadas usando transferência de aprendizado; o banco de dados utilizado foi o conjunto de dados de radiografia de tórax, que contém um total de 5856 imagens de radiografias pacientes pediátricos com idade entre um e cinco anos, com três classes: Normal Pneumonia Viral e Pneumonia Bacteriana. Os dados foram divididos em três grupos: validação, teste e treinamento. Foi feita uma comparação com o trabalho de kermany que implementou a rede Inception V3 com dois modos: (Pneumonia X Normal) e (Pneumonia bacteriana X Pneumonia viral). As redes utilizadas tiveram boa precisão, sendo a rede NasNetLarge a melhor, que foi de 95,35% (Pneumonia X Normal) e 91,79% Pneumonia Viral X Pneumonia Bacteriana contra 92,80% na (Pneumonia X Normal ) e 90,70% (Pneumonia viral X Pneumonia bacteriana) do trabalho de kermany, a rede Xception também obteve uma melhoria na precisão em comparação com o trabalho de kermany, com 93,59% em (Normal X Pneumonia) e 91,03% em (Pneumonia viral X Pneumonia bacteriana).Downloads
Não há dados estatísticos.
Publicado
2020-10-15
Como Citar
[1]
Costa, N.J., Moura Sousa, J.V., Santos, D.B., Fontenele Marques Junior, F. das C. e Teixeira de Melo, R. 2020. Classification of x-ray images for detection of childhood pneumonia using pre-trained neural networks. Revista Brasileira de Computação Aplicada. 12, 3 (out. 2020), 132-141. DOI:https://doi.org/10.5335/rbca.v12i3.10343.
Seção
Artigo Original
Copyright (c) 2020 Nator junior carvalho da costa, Jose Vigno Moura Sousa, Domingos Bruno Sousa santos, Francisco das Chagas Fontenele Marques Junior, Rodrigo Teixeira de Melo

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).