Classificare le immagini di patologia toracica utilizzando tecniche di apprendimento profondo

Le radiografie del torace sono l'esame più comune in radiologia nell'era moderna. Sono essenziali e molto utili per la supervisione di varie malattie associate ad un'alta mortalità e mostrano una vasta gamma di informazioni potenziali su varie malattie. I verdetti più comuni nelle radiografie del torace includono la tubercolosi, la cardiomegalia e le malattie del torace Mediastinum. Distinguere le varie patologie toraciche è un compito difficile anche per l'osservatore umano e per il radiologo. Pertanto, c'è un interesse nello sviluppo di diagnosi del sistema informatico per assistere i radiologi nella lettura delle immagini del torace attraverso la macchina. Il rilevamento della patologia sana contro quella patologica, cioè la tubercolosi e la cardiomegalia nella radiografia toracica, è stato esplorato utilizzando il Laplaciano di Gaussiano (LoG), i Local Binary Patterns (LBP), Speed up Robust Features (SURF ) e utilizzando anche il modello Bag-of-Visual-Words (BoVW ) che utilizza tecniche di Rete Neurale Artificiale (ANN) & Deep Learning che classificano tra casi sani e casi patologici.