基于并行注意力模块的多尺度特征融合用于COVID-19胸部X光诊断
图像与视频处理
2023-06-29 v1 计算机视觉与模式识别
机器学习
摘要
在全球COVID-19危机下，从胸部X光（CXR）图像中准确诊断COVID-19至关重要。为减少放射学评估中的观察者内与观察者间差异，计算机辅助诊断工具已被用于补充医疗决策和后续疾病管理。需要具有高准确性和鲁棒性的计算方法，以实现患者的快速分诊并辅助放射科医生解读所收集的数据。在本研究中，我们提出了一种新颖的多特征融合网络，利用并行注意力模块在多尺度上融合原始CXR图像与局部相位特征增强的CXR图像。我们在来自不同机构的多个COVID-19数据集上测试了我们的模型，以评估其泛化能力。我们的实验表明，我们的方法达到了最先进的性能，并具备改进的泛化能力，这对于广泛部署至关重要。
引用
@article{arxiv.2304.12988,
title = {Multi-Scale Feature Fusion using Parallel-Attention Block for COVID-19 Chest X-ray Diagnosis},
author = {Xiao Qi and David J. Foran and John L. Nosher and Ilker Hacihaliloglu},
journal= {arXiv preprint arXiv:2304.12988},
year = {2023}
}
备注
Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2023:008