DGSAN：基于双图的时空注意力网络用于肺结节恶性预测
计算机视觉与模式识别
2025-12-25 v1 人工智能
摘要
肺癌仍是全球癌症死亡的主要原因。早期检测和诊断肺结节对于提高患者生存率至关重要。尽管之前的研究已整合多模态和多时间信息，但仅优于单一模态和单一时间点，融合方法仅限于低效的向量拼接和简单互注意，凸显了需要更有效的多模态信息融合的需求。为此，我们引入了双图时空注意力网络(DGSAN)，利用时变性和多模态数据来增强预测准确性。我们的 methodology 包括开发全局-局部特征编码器以更好地捕获肺结节的局部、全局和融合特征。此外，采用双图构建方法将多模态特征组织为互模态图和内模态图。进而，引入层次化跨模态图融合模块以细化特征集成。我们还编译了一个新的多模态数据集，称为 NLST-cmst 数据集，以作为相关研究的全面支持。我们的大量实验在 NLST-cmst 和精选 CSTL-derived 数据集上均表明，DGSAN 在分类肺结节方面显著优于最先进的方法，同时拥有卓越的计算效率。
引用
@article{arxiv.2512.20898,
title = {DGSAN: Dual-Graph Spatiotemporal Attention Network for Pulmonary Nodule Malignancy Prediction},
author = {Xiao Yu and Zhaojie Fang and Guanyu Zhou and Yin Shen and Huoling Luo and Ye Li and Ahmed Elazab and Xiang Wan and Ruiquan Ge and Changmiao Wang},
journal= {arXiv preprint arXiv:2512.20898},
year = {2025}
}