World-Health-Organization (WHO) has listed Tuberculosis (TB) as one among the top 10 reasons for death and an early diagnosis will help to cure the patient by giving suitable treatment. TB usually affects the lungs and an accurate bio-imaging scheme will be apt to diagnose the infection. This research aims to implement an automated scheme to detect TB infection in chest radiographs (X-ray) using a chosen Deep-Learning (DL) approach. The primary objective of the proposed scheme is to attain better classification accuracy while detecting TB in X-ray images. The proposed scheme consists of the following phases namely, (1) image collection and pre-processing, (2) feature extraction with pre-trained VGG16 and VGG19, (3) Mayfly-algorithm (MA) based optimal feature selection, (4) serial feature concatenation and (5) binary classification with a 5-fold cross validation. In this work, the performance of the proposed DL scheme is separately validated for (1) VGG16 with conventional features, (2) VGG19 with conventional features, (3) VGG16 with optimal features, (4) VGG19 with optimal features and (5) concatenated dual-deep-features (DDF). All experimental investigations are conducted and achieved using MATLAB® program. Experimental outcome confirms that the proposed system with DDF yields a classification accuracy of 97.8%using a K Nearest-Neighbor (KNN) classifier.

中文翻译：

---

使用 Mayfly 算法优化的双深度学习特征检测胸部 X 光中的结核病

世界卫生组织 (WHO) 已将结核病 (TB) 列为十大死亡原因之一，早期诊断将有助于通过给予适当的治疗来治愈患者。结核病通常会影响肺部，准确的生物成像方案将易于诊断感染。本研究旨在实施一种自动化方案，使用选定的深度学习 (DL) 方法检测胸部 X 光片 (X 射线) 中的 TB 感染。所提出方案的主要目标是在检测 X 射线图像中的 TB 时获得更好的分类精度。所提出的方案包括以下阶段，即（1）图像收集和预处理，（2）使用预训练的 VGG16 和 VGG19 进行特征提取，（3）基于 Mayfly 算法（MA）的最优特征选择，(4) 序列特征连接和 (5) 具有 5 倍交叉验证的二元分类。在这项工作中，所提出的 DL 方案的性能分别针对 (1) 具有常规特征的 VGG16、(2) 具有常规特征的 VGG19、(3) 具有最优特征的 VGG16、(4) 具有最优特征的 VGG19 和 (5)级联双深度特征（DDF）。所有实验研究均使用 MATLAB® 程序进行和实现。实验结果证实，所提出的具有 DDF 的系统使用 K 最近邻 (KNN) 分类器产生了 97.8% 的分类准确率。(4) 具有最佳特征的 VGG19 和 (5) 连接的双深度特征 (DDF)。所有实验研究均使用 MATLAB® 程序进行和实现。实验结果证实，所提出的具有 DDF 的系统使用 K 最近邻 (KNN) 分类器产生了 97.8% 的分类准确率。(4) 具有最佳特征的 VGG19 和 (5) 连接的双深度特征 (DDF)。所有实验研究均使用 MATLAB® 程序进行和实现。实验结果证实，所提出的具有 DDF 的系统使用 K 最近邻 (KNN) 分类器产生了 97.8% 的分类准确率。