一种基于交叉注意力与卷积的多模态术后感染诊断方法
计算机视觉与模式识别
2023-05-24 v1 人工智能
摘要
术后感染诊断是一种常见且严重的并发症,通常带来较高的诊断挑战。本研究聚焦于PJI(假体周围关节感染),一种术后感染类型。X线检查是针对疑似PJI患者的影像学检查,可评估关节假体及周围组织,并检测疼痛原因。实验室检查数据具有高灵敏度和特异性,在PJI诊断中具有显著潜力。在本研究中,我们提出了一种自监督掩码自编码器预训练策略以及一种多模态融合诊断网络MED-NVC,其通过CrossAttention特征融合网络有效实现了两种模态特征间的交互。我们在自行收集的PJI数据集上测试了所提方法,并通过对比与消融实验评估其性能与可行性。结果表明,我们的方法取得了94.71%的ACC和98.22%的AUC,优于最新方法,同时减少了参数量。我们所提方法有望为临床医生提供一种提升准确性与效率的有力工具。
引用
@article{arxiv.2305.14142,
title = {A multimodal method based on cross-attention and convolution for postoperative infection diagnosis},
author = {Xianjie Liu and Hongwei Shi},
journal= {arXiv preprint arXiv:2305.14142},
year = {2023}
}