ThoraX-PriorNet：一种利用解剖先验概率图进行胸部疾病分类的基于注意力的新架构
图像与视频处理
2023-12-27 v3 计算机视觉与模式识别
机器学习
摘要
目的：基于医学图像的计算机辅助疾病诊断与预后是一个快速发展的领域。研究人员已开发了许多卷积神经网络（CNN）架构，用于胸部 X 光图像的疾病分类与定位。已知不同胸部疾病病灶发生于特定解剖区域的可能性高于其他区域。本文旨在将这种疾病与区域相关的先验概率分布纳入深度学习框架。方法：我们提出 ThoraX-PriorNet，一种用于胸部疾病分类的基于注意力的 CNN 模型。我们首先估计疾病相关的空间概率，即解剖先验，其指示胸部 X 光图像中某特定区域发生某疾病的概率。接下来，我们开发一种新颖的基于注意力的分类模型，该模型结合来自估计解剖先验与自动提取的胸部感兴趣区域（ROI）掩码的信息，对深度卷积网络生成的特征图提供注意力。与以往利用各种自注意力机制的工作不同，所提方法利用提取的胸部 ROI 掩码以及概率解剖先验信息，为不同疾病选择感兴趣区域以提供注意力。结果：所提方法在 NIH ChestX-ray14 数据集上的疾病分类性能优于现有最先进方法，达到 ROC 曲线下面积（%AUC）84.67。在疾病定位方面，该解剖先验注意力方法与最先进方法相比具有竞争力，在交并比（IoU）阈值为 0.1、0.2、0.3、0.4、0.5、0.6 和 0.7 时分别达到准确率 0.80、0.63、0.49、0.33、0.28、0.21 和 0.04。
引用
@article{arxiv.2210.02998,
title = {ThoraX-PriorNet: A Novel Attention-Based Architecture Using Anatomical Prior Probability Maps for Thoracic Disease Classification},
author = {Md. Iqbal Hossain and Mohammad Zunaed and Md. Kawsar Ahmed and S. M. Jawwad Hossain and Anwarul Hasan and Taufiq Hasan},
journal= {arXiv preprint arXiv:2210.02998},
year = {2023}
}
备注
Accepted to IEEE ACCESS