换一批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.
更多相关知识
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chest X-raymulti-label classificationconvolutional neural networkvision transformersandglass convolution
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.03.012
发布时间
2025-04-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
北京市自然科学基金（KZ202110011015）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
