Projekt

Lea Djomo, Franck Ulrich Djeutang - Data Science (FB5) Semesterprojekt

Medical Image Classification

Pneumonie und COVID-19 sind Krankheiten, die vor allem ältere Menschen betreffen und manchmal lebensbedrohlich sein können. Eine frühzeitige Diagnose dieser Lungenkrankheiten kann daher Menschenleben retten. Das Ziel unserer Arbeit war es, Patienten mit Pneumonie und COVID auf der Grundlage von Röntgen- und CT-Aufnahmen der Lungen zu klassifizieren (gesunde vs. erkrankte Lunge). Die Analysen haben wir  für zwei verschiedene Datensätze durchgeführt und haben dabei je zwei Modelle (CNN und Transfer Learning) verwendet. Der Pneumonie-Datensatz besteht aus Röntgenbildern während der COVID-Datensatz CT-Bilder enthält.

Es wurden ein Convolutional Neural Network (CNN) und das vortrainierte Resnet15 Modell eingesetzt, um die Klassifikation durchzuführen. Für die Klassifizierung mittels CNN wurden die Bilder in eine Reihe von Convolutional Layers und Maximum Pooling Layers eingegeben. Als Aktivierungsfunktion wurde die ReLU-Funktion für die Layers und eine Sigmoid-Funktion für das Ausgangsneuron verwendet. Das vortrainierte Modell ResNet15 erreichte auf den Pneumonie-Röntgenbildern eine Accuracy von 97%, einen Recall von 90% und eine Precision von 95%. Im Gegensatz dazu haben die CT-Bilder des COVID-Datensatzes eine Accuracy von 92%, einen Recall von 80% und eine Precision von 93% erreicht. Die Ergebnisse sind gut, können jedoch zukünftig weiter verbessert werden. Die erstellten Modelle können die Diagnostik von Lungenkrankheiten unterstützen.