LMeRAN:标签掩饰增强的残留注意网络,用于多标签胸部X射线疾病辅助诊断
Hongping Fu1,2, Chao Song1,2, Xiaolong Qu1,2
1School of Information Science and Technology, Beijing Forestry University, Beijing 100083, China.
Sensors (Basel, Switzerland)
|September 27, 2025
概括
这项研究引入了Label Masking增强的残留注意网络 (LMeRAN) 用于胸部X射线分析. 通过更好地捕捉医疗图像中的全球背景和标签相关性,LMeRAN可以改善胸部疾病的诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 胸部X射线 (CXR) 对于诊断胸部疾病至关重要.
- 当前的计算机辅助诊断 (CAD) 系统往往错过了全球背景和标签相关性.
研究的目的:
- 开发一个新的框架,LMeRAN,用于多标签CXR图像分类.
- 解决现有的CAD系统在特征表示和标签依赖模型方面的局限性.
主要方法:
- 提出了标签掩盖增强的残留注意网络 (LMeRAN).
- 引入了标签特定的剩余注意力和多头自我注意力,平均集中.
- 实施了标签口罩培训策略,以学习标签依赖性.
主要成果:
- 在胸部X射线14数据集上,LMeRAN实现了0.825的最高平均AUC.
- 与先进基线相比,表现有3.1%至8.0%的表现改善.
- 可视化损伤区域,以提高模型的解释性.
结论:
- 在CXR图像中,LMeRAN有效地捕获了本地和全球特征.
- 该框架成功地模拟了标签相关性,提高了诊断准确性.
- 在自动胸部疾病诊断方面,LMeRAN提供了一个有前途的进步.
更多相关视频
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
997
06:22Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
Published on: September 19, 2025
434