Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2507.10589

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2507.10589 (eess)
[提交于 2025年7月11日 ]

标题: 视觉变压器与传统深度学习方法在胸部X光片自动肺炎检测中的比较分析

标题: Comparative Analysis of Vision Transformers and Traditional Deep Learning Approaches for Automated Pneumonia Detection in Chest X-Rays

Authors:Gaurav Singh
摘要: 肺炎,特别是由像COVID-19这样的疾病引起的肺炎,仍然是一个需要快速和准确诊断的关键全球健康挑战。 本研究全面比较了传统机器学习和最先进的深度学习方法,用于使用胸部X光片(CXRs)的自动肺炎检测。 我们评估了多种方法,从传统的机器学习技术(基于PCA的聚类、逻辑回归和支持向量分类)到先进的深度学习架构,包括卷积神经网络(修改后的LeNet、DenseNet-121)和各种视觉变压器(ViT)实现(Deep-ViT、紧凑型卷积变压器和Cross-ViT)。 使用包含5,856张儿童胸部X光图像的数据集,我们证明视觉变压器,尤其是Cross-ViT架构,在准确率88.25%和召回率99.42%方面表现出色,超过了传统的CNN方法。 我们的分析表明,架构选择对性能的影响比模型大小更为显著,Cross-ViT的75M参数优于更大的模型。 该研究还考虑了实际因素,包括计算效率、训练需求以及在医学诊断中精确度和召回率之间的关键平衡。 我们的研究结果表明,视觉变压器为自动肺炎检测提供了一个有前景的方向,可能在健康危机期间实现更快和更准确的诊断。
摘要: Pneumonia, particularly when induced by diseases like COVID-19, remains a critical global health challenge requiring rapid and accurate diagnosis. This study presents a comprehensive comparison of traditional machine learning and state-of-the-art deep learning approaches for automated pneumonia detection using chest X-rays (CXRs). We evaluate multiple methodologies, ranging from conventional machine learning techniques (PCA-based clustering, Logistic Regression, and Support Vector Classification) to advanced deep learning architectures including Convolutional Neural Networks (Modified LeNet, DenseNet-121) and various Vision Transformer (ViT) implementations (Deep-ViT, Compact Convolutional Transformer, and Cross-ViT). Using a dataset of 5,856 pediatric CXR images, we demonstrate that Vision Transformers, particularly the Cross-ViT architecture, achieve superior performance with 88.25% accuracy and 99.42% recall, surpassing traditional CNN approaches. Our analysis reveals that architectural choices impact performance more significantly than model size, with Cross-ViT's 75M parameters outperforming larger models. The study also addresses practical considerations including computational efficiency, training requirements, and the critical balance between precision and recall in medical diagnostics. Our findings suggest that Vision Transformers offer a promising direction for automated pneumonia detection, potentially enabling more rapid and accurate diagnosis during health crises.
主题: 图像与视频处理 (eess.IV) ; 人工智能 (cs.AI); 计算机视觉与模式识别 (cs.CV); 神经与进化计算 (cs.NE)
引用方式: arXiv:2507.10589 [eess.IV]
  (或者 arXiv:2507.10589v1 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.10589
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Gaurav Singh [查看电子邮件]
[v1] 星期五, 2025 年 7 月 11 日 16:26:24 UTC (6,914 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.AI
cs.CV
cs.NE
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号