A Dual-Channel Transfer Learning Benchmark for Cardiomegaly Detection: CNN and Vision Transformer Evaluation on PadChest

Öz

Automated detection of cardiomegaly in chest radiographs remains challenging when classification frameworks are optimized to detect multiple thoracic pathologies simultaneously. To address this limitation, this study proposes a dual-channel transfer learning framework for binary cardiomegaly classification. The framework is evaluated on a subset of the PadChest dataset consisting of 1,413 posteroanterior chest radiographs with radiologist-verified ground-truth annotations. The proposed framework employs a dual-channel input configuration in which the first channel represents the original grayscale radiograph, while the second channel incorporates expert-annotated cardiac region masks. This design enables the simultaneous extraction of global radiographic features and spatially localized pathological information. Transfer learning was applied across a systematic set of deep architectures, including ResNet and DenseNet variants as well as Vision Transformer–based models. The effects of structured preprocessing techniques—including CLAHE, gamma correction, and negative transformation—together with online data augmentation strategies were systematically evaluated across all architectures. Experimental results demonstrate that the dual-channel configuration, combined with augmentation, achieves classification accuracy of up to 0.99 with balanced sensitivity and specificity for ResNet-based models, substantially outperforming single-channel baselines. These findings establish a reproducible methodological framework for spatially guided cardiomegaly detection and provide a clinically validated benchmark for future comparative studies.

Anahtar Kelimeler

• Deep Learning
• Disease Classification
• Image Processing

Kardiyomegali Tespiti için İkili Kanallı Transfer Öğrenme Kıyaslama Çalışması: PadChest Üzerinde CNN ve Vision Transformer Değerlendirmesi

Öz

Özet Göğüs radyografilerinde kardiyomegali tespiti, sınıflandırma sistemleri aynı anda birden fazla torasik patolojiyi saptamak üzere optimize edildiğinde zorluğunu korumaktadır. Bu sınırlılığı gidermek adına, bu çalışma ikili kardiyomegali sınıflandırması için çift kanallı bir aktarımlı öğrenme çerçevesi önermektedir. Önerilen model, PadChest veri setinin radyologlar tarafından doğrulanmış yer gerçekliği etiketlerine sahip 1.413 posteroanterior göğüs radyografisinden oluşan bir alt kümesi üzerinde değerlendirilmiştir. Önerilen çerçeve, birinci kanalın orijinal gri tonlamalı radyografiyi, ikinci kanalın ise uzmanlarca etiketlenmiş kardiyak bölge maskelerini temsil ettiği çift kanallı bir girdi konfigürasyonu kullanmaktadır. Bu tasarım, küresel radyografik özelliklerin ve mekânsal olarak yerelleştirilmiş patolojik bilgilerin eş zamanlı olarak çıkarılmasını sağlamaktadır. Aktarımlı öğrenme süreci; ResNet ve DenseNet varyantlarının yanı sıra Vision Transformer tabanlı modelleri de kapsayan sistematik bir derin mimari seti üzerinde uygulanmıştır. CLAHE, gama düzeltmesi ve negatif transformasyon gibi yapılandırılmış ön işleme tekniklerinin yanı sıra çevrimiçi veri artırma stratejilerinin etkileri tüm mimarilerde sistematik olarak analiz edilmiştir. Deneysel sonuçlar; veri artırma ile birleştirilen çift kanallı konfigürasyonun, ResNet tabanlı modellerde dengeli duyarlılık ve özgüllük oranlarıyla 0,99 düzeyine ulaşan bir sınıflandırma doğruluğu sağladığını ve tek kanallı temel modellerden önemli ölçüde daha iyi performans gösterdiğini kanıtlamaktadır. Bu bulgular, mekânsal olarak yönlendirilmiş kardiyomegali tespiti için tekrarlanabilir bir metodolojik çerçeve oluşturmakta ve gelecekteki karşılaştırmalı çalışmalar için klinik olarak doğrulanmış bir kıyaslama noktası sunmaktadır.

Anahtar Kelimeler

• Derin Öğrenme
• Hastalık Sınıflandırma
• Görüntü İşleme

Kaynakça

1. B. Fetiler, Ö. A. Koca, and V. Klç, “Report Generation from X-ray Images: An Evaluation with Transformer Architectures,” Artificial Intelligence Theory and Applications, vol. 5, no. 2, pp. 1–10, 2025.
2. G. Litjens et al., “A survey on deep learning in medical image analysis,” Med. Image Anal., vol. 42, pp. 60–88, 2017, doi: 10.1016/j.media.2017.07.005.
3. A. Jacobi, M. Chung, A. Bernheim, and C. Eber, “Portable chest X-ray in coronavirus disease-19 (COVID-19): A pictorial review,” Clin. Imaging, vol. 64, pp. 35–42, 2020, doi: 10.1016/j.clinimag.2020.04.001.
4. E. Çall, E. Sogancioglu, B. Van Ginneken, K. G. van Leeuwen, and K. Murphy, “Deep learning for chest X-ray analysis: A survey,” Med. Image Anal., vol. 72, p. 102125, 2021.
5. V. Klç, X. Zhong, M. Barnard, W. Wang, and J. Kittler, “Audio-visual tracking of a variable number of speakers with a random finite set approach,” in 17th International Conference on Information Fusion (FUSION), 2014, pp. 1–7.
6. V. Kılıç, “Deep gated recurrent unit for smartphone-based image captioning,” Sakarya University Journal of Computer and Information Sciences, vol. 4, no. 2, pp. 181–191, 2021.
7. P. Rajpurkar et al., “CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning,” in arXiv preprint arXiv:1711.05225, 2017.
8. L. Oakden-Rayner, A. Reinke, and L. Maier-Hein, “Hidden stratification causes clinically meaningful failures in machine learning for medical imaging,” Proc. ACM Conf. Health Inference Learn. (2020)., pp. 151–159, 2020, doi: 10.1145/3368555.3384468.

9. J. Irvin et al., “CheXpert: A Large Chest Radiograph Dataset with Uncertainty Labels and Expert Comparison,” AAAI Conference on Artificial Intelligence, 2019.
10. A. E. W. Johnson et al., “MIMIC-CXR: A large publicly available database of labeled chest radiographs,” Sci. Data, vol. 6, no. 317, 2019.
11. Y. Yoshida, T. Kubo, H. Kuroda, Y. Yoshimura, and K. Hiraoka, “Diagnostic performance of mediastinal width in detecting acute aortic dissection: A systematic review,” J. Thorac. Dis., vol. 12, pp. 1234–1242, 2020, doi: 10.21037/jtd.2020.02.23.
12. Ö. A. Koca and V. Klç, “Multi-Parametric Glucose Prediction Using Multi-Layer LSTM,” Avrupa Bilim ve Teknoloji Dergisi, no. 52, pp. 169–175, 2023.
13. Ö. A. Koca, H. Ö. Kabak, and V. Klç, “Attention-based multilayer GRU decoder for on-site glucose prediction on smartphone,” J. Supercomput., vol. 80, no. 17, pp. 25616–25639, 2024.
14. B. Makav and V. Klç, “Smartphone-based image captioning for visually and hearing impaired,” in 2019 11th international conference on electrical and electronics engineering (ELECO), 2019, pp. 950–953.
15. B. Fetiler, Ö. Çaylı, Ö. T. Moral, V. Kılıç, and A. Onan, “Video captioning based on multi-layer gated recurrent unit for smartphones,” Avrupa Bilim ve Teknoloji Dergisi, no. 32, pp. 221–226, 2021.
16. K. He, X. Zhang, S. Ren, and J. Sun, “Deep Residual Learning for Image Recognition,” in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, pp. 770–778. doi: 10.1109/CVPR.2016.90.
17. G. Huang, Z. Liu, L. van der Maaten, and K. Q. Weinberger, “Densely Connected Convolutional Networks,” CVPR, 2017, doi: 10.1109/CVPR.2017.243.
18. A. E. W. Johnson et al., “MIMIC-CXR, a de-identified publicly available database of chest radiographs with free-text reports,” Sci. Data, vol. 6, p. 317, 2019, doi: 10.1038/s41597-019-0322-0.
19. I. Menashe, R. S. Iyer, M. T. Parisi, R. K. Otto, and A. L. Stanescu, “Mixing pediatric and adult chest radiographs may affect model validity due to anatomical and acquisition differences,” Pediatr. Radiol., vol. 46, no., p., 2016.