具有动态卷积和协调注意力的高分辨率网络用于对胸部X射线图像进行分类
Qiang Li1, Mingyu Chen1, Jingjing Geng1
1School of Microelectronics, Tianjin University, Tianjin 300072, China.
Diagnostics (Basel, Switzerland)
|July 14, 2023
概括
一个新的高分辨率分类网络 (HRCC-Net) 通过更好地从不同大小和位置的病变中提取特征来改善胸部X射线疾病分类. 这种先进的算法提高了胸部疾病的诊断准确度.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 自动胸部X射线 (CXR) 疾病分类对于诊断胸部疾病至关重要.
- 现有的卷积神经网络 (CNN) 方法由于CXR图像中的病变相似性,不同大小和位置而难以提取特征.
研究的目的:
- 开发一种先进的算法,以使用胸部X射线改善胸部疾病的诊断.
- 为了解决当前基于CNN的特征提取方法的局限性和适应病变变化的适应性.
主要方法:
- 提出了一个具有动态卷积和协调注意力的高分辨率分类网络 (HRCC-Net).
- 实现了并行多分辨率网络,用于详细的特征提取和多尺度信息表示.
- 引入了动态卷积和协调注意力机制,以处理各种损伤尺度和位置.
主要成果:
- 在胸部X射线14和CheXpert数据集上进行评估,平均AUC值分别为0.845和0.913.
- 与现有方法相比,在分类胸部疾病方面表现出优越的性能.
- 展示了诊断效率的提高和误诊率的降低.
结论:
- HRCC-Net有效地提取复杂的胸部疾病特征,适应损伤规模和位置的变化.
- 拟议的算法显示了提高胸部疾病的诊断和治疗的巨大潜力.
- 该网络的特异性和敏感性有助于提高医疗诊断系统的性能.
