胸部X射线诊断通过空间通道高阶注意力表示学习
Xinyue Gao1, Bo Jiang1, Xixi Wang1
1The School of Computer Science and Technology, Anhui University, Hefei 230601, People's Republic of China.
Physics in medicine and biology
|February 13, 2024
概括
这项研究引入了一种新的空间通道高阶注意力 (SCHA) 模型,用于改进胸部X射线分析. 该SCHA模型通过捕捉医疗图像中的空间和通道相关性来提高诊断准确性.
科学领域:
- 医疗成像医学成像
- 计算机辅助诊断 计算机辅助诊断
- 医疗保健中的人工智能
背景情况:
- 胸部X射线分析对于计算机辅助诊断至关重要.
- 使用CNN和变压器的现有方法在捕获频道相关性和局部环境方面存在局限性.
- 对胸部X射线图像的有效特征表示仍然是一个重大挑战.
研究的目的:
- 提出一个新的空间通道高阶注意力 (SCHA) 模型,用于胸部X射线图像表示和诊断.
- 通过结合道相关性和本地上下文感知特征来解决现有方法的局限性.
- 提高计算机辅助诊断系统对胸部X射线的准确性和辨别能力.
主要方法:
- 开发了一个上下文增强的骨干网络 (CEBN),使用多头自我注意力进行初始特征提取.
- 引入了一个空间通道高阶注意力 (SCHA) 模块,具有空间和通道注意力学习分支.
- 实现了局部偏向的自我注意力机制,用于空间特征提取,以及用于频道特征编码的布朗距离共变量.
主要成果:
- 与现有方法相比,拟议的SCHA方法在胸部X射线14和CheXpert数据集上表现出优异的性能.
- 实验验证实了整合空间和道高阶注意力的有效性,以增强特征表示.
- 该模型在多标签诊断分类和预测方面取得了更好的表现.
结论:
- SCHA模型为胸部X射线分类提供了更具歧视性的方法.
- 这项研究为推进医学成像中的计算机辅助诊断提供了一种有效的技术.
- 这些发现强调了胸部X射线分析中通道相关性和局部环境的重要性.
