CheX-DS：基于DenseNet和Swin Transformer的胸部X光图像分类集成学习
计算机视觉与模式识别
2025-05-19 v1 人工智能
摘要
胸部疾病的自动诊断是热门且具有挑战性的任务。目前大多数方法基于卷积神经网络(CNN)，关注局部特征而忽略全局特征。最近，注意力机制被引入计算机视觉领域，显示出卓越的性能。因此，本文提出一种有效模型CheX-DS，用于对医学领域的胸部X光图像进行长尾多标签分类。该模型基于医学影像领域的优秀CNN模型DenseNet和新近流行的Swin Transformer模型，利用集成深度学习技术将两者组合，发挥CNN和Transformer的优势。CheX-DS的损失函数结合了加权二元交叉熵损失和非对称损失，有效解决数据不平衡问题。选取NIH ChestX-ray14数据集进行评估。该模型以平均AUC为83.76%的优异成绩超越了以往研究，显示出卓越的性能。
引用
@article{arxiv.2505.11168,
title = {CheX-DS: Improving Chest X-ray Image Classification with Ensemble Learning Based on DenseNet and Swin Transformer},
author = {Xinran Li and Yu Liu and Xiujuan Xu and Xiaowei Zhao},
journal= {arXiv preprint arXiv:2505.11168},
year = {2025}
}
备注
BIBM