MedConv：卷积在长尾骨密度预测中击败Transformer
计算机视觉与模式识别
2025-04-04 v2
摘要
通过CT扫描估计T值进行骨密度预测至关重要，与缺乏空间分辨率和检测局部变化能力的传统方法（如X射线骨密度测试）相比，它能更精确地评估骨骼健康。然而，基于CT的预测面临两大挑战：基于Transformer架构的高计算复杂度限制了其在便携式和临床环境中的部署，以及真实世界医院数据的不平衡、长尾分布会扭曲预测结果。为了解决这些问题，我们引入了MedConv，这是一种用于骨密度预测的卷积模型，其性能优于Transformer模型且计算需求更低。我们还采用了Bal-CE损失和事后logit调整来改善类别平衡。在我们AustinSpine数据集上的大量实验表明，与先前最先进的方法相比，我们的方法在准确率上提高了高达21%，在ROC AUC上提高了20%。
引用
@article{arxiv.2502.00631,
title = {MedConv: Convolutions Beat Transformers on Long-Tailed Bone Density Prediction},
author = {Xuyin Qi and Zeyu Zhang and Huazhan Zheng and Mingxi Chen and Numan Kutaiba and Ruth Lim and Cherie Chiang and Zi En Tham and Xuan Ren and Wenxin Zhang and Lei Zhang and Hao Zhang and Wenbing Lv and Guangzhen Yao and Renda Han and Kangsheng Wang and Mingyuan Li and Hongtao Mao and Yu Li and Zhibin Liao and Yang Zhao and Minh-Son To},
journal= {arXiv preprint arXiv:2502.00631},
year = {2025}
}
备注
Accepted to IJCNN 2025