-
题名基于卷积辅助自注意力的胸部疾病分类网络
- 1
-
-
作者
张自然
李锵
关欣
-
机构
天津大学微电子学院
-
出处
《浙江大学学报(工学版)》
北大核心
2025年第5期890-901,共12页
-
基金
国家自然科学基金:资助项目(62071323)
超声医学工程国家重点实验室开放课题资助项目(2022KFKT004)
天津市自然科学基金:资助项目(22JCZDJC00220)。
-
文摘
针对胸部X光影像中的病变大小不一,纹理复杂,且存在相互影响等问题,提出基于卷积辅助窗口自注意力的胸部X光影像疾病分类网络CAWSNet.使用Swin Transformer作为骨干网络,以窗口自注意力建模长距离视觉依赖关系,通过引入卷积辅助,在弥补其缺陷的同时,强化局部特征提取能力.引入图像相对位置编码,通过有向相对位置的动态计算,帮助网络更好地建模像素间的位置关系.使用类别残差注意力,根据疾病类别来调整分类器关注的区域,突出有效信息,提高多标签分类能力.提出动态难度损失函数,解决不同疾病分类的难度差异大,数据集中正负样本不平衡的问题.在公开数据集ChestX-Ray14、CheXpert和MIMIC-CXR-JPG上的实验结果表明,提出CAWSNet的AUC分数分别达到0.853、0.898和0.819,表明该网络在胸部X光影像疾病诊断中的有效性和鲁棒性.
-
关键词
胸部X光图像分类
窗口自注意力
卷积
图像相对位置编码
动态难度损失函数
-
Keywords
chest X-ray image classification
window self-attention
convolution
image relative position encoding
dynamic difficulty loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
