科研之友
微信
新浪微博
Facebook
分享链接
摘要
胸部X光片可用于诊断多种胸部疾病。由于胸部疾病特征复杂多样，现有的胸部X光片疾病分类算法难以学习胸部疾病复杂的鉴别表征以及未关注不同疾病之间的相关性信息。针对以上问题本文提出一种结合自注意力与卷积的疾病分类算法，该算法采用全维度动态卷积替换残差网络的标准卷积，提高网络对多尺度信息的特征提取能力；将自注意力模块引入卷积神经网络，可以提供全局感受野，捕获多种疾病之间的相关性。并提出高效双路注意力，使得网络更加关注病灶区域、自动捕捉病变位置变化。在ChestX-ray14数据集上，对提出的模型进行评估，实验结果表明本算法对14种胸部疾病的平均AUC(Area Under ROC Curve)值达到0.839，较目前7种先进算法有所提升，可以在胸部X光片检查中提高疾病诊断的准确性和效率。
- 单位
