MultiFusionNet：用于胸部X射线图像分类的深度神经网络多层多模态融合
图像与视频处理
2025-11-25 v1 计算机视觉与模式识别
机器学习
摘要
胸部X射线成像是识别肺部疾病的关键诊断工具。然而，对这些图像的人工判读耗时且容易出错。利用卷积神经网络 (CNN) 的自动系统在提高胸部X射线图像分类的准确性和效率方面展现出了潜力。虽然先前的工作主要集中在使用来自最终卷积层的特征图，但仍有必要探索利用额外层以改善疾病分类的益处。从有限的医学图像数据集中提取鲁棒特征仍然是一个关键挑战。在本文中，我们提出了一种基于深度学习的多层多模态融合模型，该模型强调从不同层提取特征并进行融合。我们的疾病检测模型考虑了每层捕获的判别信息。此外，我们提出了不同尺寸特征图融合 (FDSFM) 模块，以有效合并来自不同层的特征图。所提出的模型在三类和二类分类中分别实现了 97.21% 和 99.60% 的显著更高准确率。所提出的结合 FDSFM 模块的多层多模态融合模型，为准确的疾病分类带来了希望，并且也可以扩展到胸部X射线图像中的其他疾病分类。
引用
@article{arxiv.2401.00728,
title = {MultiFusionNet: Multilayer Multimodal Fusion of Deep Neural Networks for Chest X-Ray Image Classification},
author = {Saurabh Agarwal and K. V. Arya and Yogesh Kumar Meena},
journal= {arXiv preprint arXiv:2401.00728},
year = {2025}
}
备注
19 pages