یک معماری شبکه عمیق جهت غربالگری و تشخیص خودکار سل در تصاویر اشعه ایکس قفسه سینه

  مقدمه

تشخیص خودکار سل (TB) از اشعه X قفسه سینه (CXR) با هر دو الگوریتم‌های دستی و یا رویکردهای یادگیری ماشین مانند دستگاههای بردار پشتیبان (SVM) و شبکه‌های عصبی کانولوشن (CNNs) انجام شده است.
بیشتر شبکه‌های عصبی عمیق که برای تشخیص بیماری سل کاربرد دارد،  رویکرد دسته بندی تصویر را اتخاذ کرده اند. این مدل‌ها تعداد زیادی پارامتر و همچنین نیاز به سخت افزار زیادی دارند، که بکارگیری آنها و یا پیاده سازی آنها در محیط‌هایی مانند موبایل سخت تر می کند.
در این تحقیق یک شبکه عصبی پیچشی (کانولوشن) ساده پیشنهاد می کنیم که سریعتر و کارآمدتر از مدل‌های قبلی است اما دقت تشخیص آن حفظ شده است. علاوه بر آن، تاکنون قابلیت بصری شبکه‌های عصبی کانولوشن به صورت کامل مورد بررسی قرار نگرفته اند.
اما ما در این تحقیق،  نقشه‌های برجستگی و نقشه‌های فعال سازی کلاس گرادیان ((grad-CAMs را به عنوان روش‌های دیداری سازی (بصری) سل آزمایش می کنیم و آنها را از منظر رادیولوژی مورد بحث قرار می دهیم.