创新的石棘肺与肺炎分类：基于图变换后验建模与集成技术
计算机视觉与模式识别
2026-05-27 v2 机器学习
摘要
本文提出了一项针对石棘肺相关肺部炎症的分类与检测综合性研究。我们的主要贡献包括：1）创建了一个名为 SVBCX 的新型胸部X光(CXR)图像数据集，专为捕捉由不同致病因子引发的肺部炎症细微差异而精心策划，为石棘肺和肺炎研究社区提供了宝贵资源；以及2）我们提出了一种新型深度学习架构，将图变换网络与传统深度神经网络模块相集成，以有效分类石棘肺和肺炎。此外，我们采用平衡交叉熵(BalCE)作为损失函数，以确保不同类别间更均匀的学习，增强模型辨别肺部疾病细微差异的能力。该模型架构与损失函数选择旨在提高肺部炎症检测的准确性和可靠性，尤其是在石棘肺背景下。进一步地，我们研究了集成方法的有效性，该方法结合了多样化模型架构的优势。在构建的数据集上进行的实验结果表明，效果令人鼓舞，相较于基线模型显著提升。该集成模型实现了0.9749的宏平均F1分数以及各类别AUC ROC分数超过0.99，彰显了我们方法在准确和稳健肺部炎症分类方面的有效性。
引用
@article{arxiv.2501.00520,
title = {Innovative Silicosis and Pneumonia Classification: Leveraging Graph Transformer Post-hoc Modeling and Ensemble Techniques},
author = {Bao Q. Bui and Tien T. T. Nguyen and Duy M. Le and Cong Tran and Cuong Pham},
journal= {arXiv preprint arXiv:2501.00520},
year = {2026}
}
备注
Withdrawn by the authors because the manuscript contains incomplete and potentially misleading descriptions of the dataset construction and evaluation protocol, particularly in the Dataset and Experimental Setup sections. The work should not be cited or used as an independent reference in its current form