结合自注意力与卷积的胸部X光片疾病分类研究

胸部X光片可用于诊断多种胸部疾病.由于胸部疾病特征复杂多样,现有的胸部X光片疾病分类算法难以学习胸部疾病复杂的鉴别表征以及未关注不同疾病之间的相关性信息.针对以上问题,提出一种结合自注意力与卷积的疾病分类算法,该算法采用全维度动态卷积替换残差网络的标准卷积,从而提高网络对多尺度信息的特征提取能力.此外,在卷积神经网络中引入自注意力模块,可以提供捕获多种疾病之间相关性的全局感受野.最后,提出高效的双路注意力,使神经网络更加关注病灶区域、自动捕捉病变位置变化.在ChestX-ray14数据集上,对所提模型进行评估,实验结果表明:所提算法对14种胸部疾病的平均受试者工作特性曲线下的面积(AUC)达到0.839,检测结果与目前其他7种先进算法相比在准确率和效率上有所提升.