基于交叉注意力网络的多标签胸部疾病图像分类
计算机视觉与模式识别
2020-07-22 v1
摘要
放射学图像的自动疾病分类已成为支持临床诊断与治疗规划的一项有前景的技术。与通用图像分类任务不同，现实中的放射学图像分类任务更具挑战性：标注数据的收集成本高昂且本质上为多标签；更严重的是，简单类别的样本往往占主导；训练数据存在高度类别不平衡问题。为克服这些挑战，本文提出一种新颖的交叉注意力网络（CAN）方案，用于基于胸部 X 光片的自动胸部疾病分类，该方案仅利用图像级标注，通过交叉注意力从数据中有效挖掘更有意义的表征以提升性能。我们还设计了一种超越交叉熵损失的新损失函数，以辅助交叉注意力过程，并能够克服类别间以及各类别内简单样本占主导的不平衡。所提方法取得了最先进的结果。
引用
@article{arxiv.2007.10859,
title = {Multi-label Thoracic Disease Image Classification with Cross-Attention Networks},
author = {Congbo Ma and Hu Wang and Steven C. H. Hoi},
journal= {arXiv preprint arXiv:2007.10859},
year = {2020}
}