RepViT-CXR：面向胸部X光结核和肺炎分类的通道复制策略
计算机视觉与模式识别
2025-09-11 v1 机器学习
摘要
胸部X光（CXR）成像是检测肺部疾病（如结核（TB）和肺炎）最常用的诊断工具之一。近期深度学习，特别是Vision Transformer（ViT）的进展显示出强大的自动化医学图像分析潜力。然而，大多数ViT架构在自然图像上预训练，需要三通道输入，而CXR扫描本身为灰度图像。为此，我们提出RepViT-CXR，一种将单通道CXR图像适配为ViT兼容格式的通道复制策略，而无需引入额外信息损失。我们在三个基准数据集上评估了RepViT-CXR。在TB-CXR数据集上，我们的方法实现了99.9%的准确率和99.9%的AUC，超越了先前的SOTA方法Topo-CXR（99.3%准确率，99.8% AUC）。对于儿童肺炎数据集，RepViT-CXR获得了99.0%的准确率，召回率99.2%，精确率99.3%，AUC为99.0%，优于包括DCNN和VGG16在内的强基准。在深圳TB数据集上，我们的方法实现了91.1%的准确率和91.2%的AUC，显著优于先前报道的基于CNN的方法。这些结果表明，一种简单而有效的通道复制策略使ViT能够充分发挥其在灰度医学图像任务中的表征能力。RepViT-CXR为从胸部X光中检测结核和肺炎树立了新的SOTA，显示出在真实世界临床筛查系统中部署的强大潜力。
关键词
引用
@article{arxiv.2509.08234,
title = {RepViT-CXR: A Channel Replication Strategy for Vision Transformers in Chest X-ray Tuberculosis and Pneumonia Classification},
author = {Faisal Ahmed},
journal= {arXiv preprint arXiv:2509.08234},
year = {2025}
}
备注
10 pages, 5 figures