基于沙漏阶梯残差模型的胸部影像多标签分类

摘要

提出一种基于沙漏阶梯残差模型（SLRN），用于胸部影像疾病的多标签分类，提高临床诊断的准确性。SLRN的设计包括3个关键模块，首先采用沙漏卷积模块同时提取通道间信息与空间信息；然后使用阶梯自注意力模块，通过移位操作实现不同窗口划分，扩大感受野，提取并融合多尺度特征；在多标签分类阶段，使用多头残差注意力，捕捉到不同标签之间的相关性和特征间的重要性，通过调整不同特征的权重实现更精准的分类。本研究在印第安纳大学收集的胸部X光数据集（IU X-Ray）和美国国立卫生研究院收集并公开的胸部X射线数据集（Chest X-Ray14）中进行验证，实验证明SLRN结合了卷积神经网络和视觉转换器的优点，可以捕捉影像中的局部特征和全局关联，更好地处理长距离依赖关系，辅助医生进行临床诊断。

关键词

胸部影像 / 多标签分类 / 卷积神经网络 / 视觉转换器 / 沙漏卷积