针对胸部X射线图像检索的细分增强的多尺度深度哈希
Linmin Wang1, Qianqian Wang1, Xiaochuan Wang1
1Department of Radiology and Biomedical Research Imaging Center, University of North Carolina at Chapel Hill, Chapel Hill, 27599, NC, USA.
Medical image analysis
|December 30, 2025
概括
这项研究引入了一种新的深度哈希框架,用于检索胸部X射线 (CXR) 图像. 该方法增强了使用肺部细分和分类来改进COVID-19诊断的多尺度特征提取.
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:
- 胸部X射线 (CXR) 成像对于COVID-19诊断至关重要,有助于快速识别肺损伤.
- 深度哈希改进了从大型CXR数据库中检索,但经常使用单级特征,缺少多级上下文信息.
- 将肺部细分和图像分类集成到CXR特征提取中是一个尚未探索的领域,具有潜在的好处.
研究的目的:
- 为自动化CXR图像检索开发一种新的细分增强的多尺度深度哈希 (SMDH) 框架.
- 通过结合多层次的上下文信息和肺部细分和分类等辅助任务来改善特征提取.
- 提高获取相关CXR图像用于临床分析的效率和准确性.
主要方法:
- 开发了一个SMDH框架,具有独特的特征提取和图像检索模块.
- 采用多级神经网络架构来深度挖掘和融合来自CXR图像的语义信息.
- 利用肺部细分和图像分类作为辅助任务来指导特征提取和捕获丰富的解剖/语义见解.
主要成果:
- 该SMDH框架有效地挖掘和整合来自CXR图像的多尺度语义信息.
- 肺部细分和分类的辅助任务增强了特征提取过程.
- 实验表明,SMDH在COVID-QU-Ex数据集上表现优于现有的最先进方法.
结论:
- 拟议的SMDH框架为自动CXR图像检索提供了一种有效的方法.
- 整合多尺度功能和辅助任务显著改善了CXR图像的表示.
- 这种方法为医疗保健专业人员在流行病分析和诊断方面提供了更全面的工具.


