空间注意力引导的混合深度学习与尖的共弦相似性,用于准确的胸部X射线解释
Saraniya O1, Elakkiya B2, Naga Sai Akhila Gurre3
1Department of Electronics and Communication Engineering, Government College of Technology, Coimbatore, Tamil Nadu, India.
Current medical imaging
|December 2, 2025
概括
一个新的深度学习框架,VSAG-HDL Net,通过X射线准确诊断胸部疾病. 这种可解释和高效的解决方案有助于快速的临床决策,特别是在资源有限的环境中.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 危及生命的呼吸系统疾病,如COVID-19和肺炎,需要及时诊断.
- 胸部X射线 (CXR) 是可访问的,但由于重叠的特征,难以解释.
研究的目的:
- 开发一种新的混合深度学习框架,VSAG-HDL Net,以提高基于CXR的诊断的准确性和可解释性.
- 为了改善病变细分和疾病分类从胸部X射线图像.
主要方法:
- 该VSAG-HDL网络集成了一个变异空间注意力融合U-Net (VSA-FU-Net) 进行细分和一个 Sharpened Cosine相似性 (SCS) 网络进行分类.
- 采用了21,165张CXR图像的数据集,使用子相似系数 (DSC),交叉点与联盟 (IoU) 和准确度指标来评估性能.
主要成果:
- 对于损伤细分,VSA-FU-Net实现了90%的DSC和95%的IOU.
- 该分类模块达到95.5%的准确性,超过了几种传统的基于CNN的方法.
- 与先进模型相比,该框架表现出具有竞争力的准确性,模型复杂性降低.
结论:
- VSAG-HDL Net提供了一个强大的,可解释的,资源高效的解决方案,用于检测CXRs中的胸部疾病.
- 它的整合可以支持及时和准确的诊断决策,特别是在资源有限的环境中.