用于3D CT扫描阑尾炎分类的分层注意网络
计算机视觉与模式识别
2025-07-01 v1
摘要
及时和准确的阑尾炎诊断在临床环境中至关重要，以防止严重并发症。尽管CT成像仍是标准诊断工具，但随着病例数量的增加，可能使放射科医生负担过重，导致诊断延迟。本文提出一种深度学习模型，利用3D CT扫描进行阑尾炎分类， Incorporating基于外部2D数据集引导的切片注意力机制以增强小病灶检测。此外，我们引入分层分类框架，使用预训练的2D模型区分简单和复杂阑尾炎。我们的方法在阑尾炎和复杂阑尾炎上的AUC分别提高了3%和5.9%，为比以往工作更高效、更可靠的诊断解决方案。
引用
@article{arxiv.2506.23209,
title = {A Hierarchical Slice Attention Network for Appendicitis Classification in 3D CT Scans},
author = {Chia-Wen Huang and Haw Hwai and Chien-Chang Lee and Pei-Yuan Wu},
journal= {arXiv preprint arXiv:2506.23209},
year = {2025}
}
备注
8 pages, 1 figure, 3 tables. Published in IEEE ISBI 2025. This version corrects citation numbering errors