沿诊断痕迹行进：视觉认知引导的协作网络用于胸 X 射线诊断
计算机视觉与模式识别
2026-02-26 v1 人工智能
摘要
计算机辅助诊断（CAD）已显著推进了自动胸 X 射线诊断，但仍孤立于临床工作流程，缺乏可靠的决策支持和可解释性。人类-人工协作旨在通过整合可控放射科医生的行为来增强诊断模型的可靠性。然而，缺乏无缝嵌入诊断程序中的交互工具会阻碍协作，而放射科医生决策模式与模型表示之间的语义差距进一步限制了临床采纳。为克服这些限制，我们提出了一种视觉认知引导的协作网络（VCC-Net），以实现协作诊断范式。VCC-Net 以视觉认知（VC）为中心，采用临床兼容的界面（如眼动跟踪或鼠标），捕获放射科医生在诊断期间的视觉搜索痕迹和注意力模式。VCC-Net 将 VC 作为空间认知指南，学习分层视觉搜索策略以定位诊断关键区域。随后，认知图共编辑模块将放射科医生的 VC 与模型推断集成，以构建疾病感知图。该模块捕获解剖区域之间的依赖关系，并将模型表示与 VC 驱动的特征对齐，以减轻放射科医生偏见，促进透明的互补决策。在公共数据集 SIIM-ACR、EGD-CXR 和自构建的 TB-Mouse 数据集上实现了分别为 88.40%、85.05% 和 92.41% 的分类准确率。VCC-Net 生成的注意力图与放射科医生的注视分布高度一致，显示示放射科医生和模型推断相互强化。代码可在 https://github.com/IPMI-NWU/VCC-Net 查阅。
引用
@article{arxiv.2602.21657,
title = {Following the Diagnostic Trace: Visual Cognition-guided Cooperative Network for Chest X-Ray Diagnosis},
author = {Shaoxuan Wu and Jingkun Chen and Chong Ma and Cong Shen and Xiao Zhang and Jun Feng},
journal= {arXiv preprint arXiv:2602.21657},
year = {2026}
}