Assessing Cardiomegaly in Dogs Using a Simple CNN Model

本文介绍了一个名为DogHeart的数据集，包括1400张训练图像、200张验证图像和400张测试图像，根据VHS评分分类为小、正常和大。开发了一个自定义CNN模型，具有简单的架构，包括4个卷积层和4个全连接层。尽管没有数据增强，该模型在分类心脏肥大严重程度方面达到了72％的准确率。该研究有助于自动评估犬类心脏状况，强调了早期检测和干预在兽医保健中的潜力。

论文旨在解决犬心脏疾病的自动化评估问题，以便早期检测和干预。

通过开发一个简单的CNN模型，对狗的心脏图像进行分类，根据VHS评分将其分为小、正常和大三类，实现了72％的分类准确率。

论文使用了自己构建的DogHeart数据集，包括1400个训练图像、200个验证图像和400个测试图像。研究表明，即使没有数据增强，该模型也能够实现较高的分类准确率。这项工作为犬心脏疾病的自动化评估提供了新的思路和可能性。

在最近的相关研究中，有关于犬的心脏疾病自动化评估的研究，例如“Automated diagnosis of canine congenital heart disease using convolutional neural networks”和“Deep learning-based automated detection of pulmonary hypertension in echocardiography”。