AnaXNet：用于胸部 X 光中解剖感知的多标签征象分类

放射科医生通常在做出诊断前会观察胸部 X 光图像的解剖区域以及整体图像。然而，大多数现有的深度学习模型仅查看整个 X 光图像进行分类，未能利用重要的解剖信息。在本文中，我们提出一种新颖的多标签胸部 X 光分类模型，该模型能准确分类图像征象并将征象定位到正确的解剖区域。具体而言，我们的模型由两个模块组成：检测模块和解剖依赖模块。后者利用图卷积网络，使我们的模型不仅能学习标签依赖，还能学习胸部 X 光中解剖区域之间的关系。我们进一步利用一种方法，通过不同区域上标签的相关性高效构建解剖区域的邻接矩阵。与我们结果的详细实验和分析表明，与当前最先进的多标签胸部 X 光图像分类方法相比，我们的方法有效，同时还提供准确的位置信息。