PulseAugur
中
实时 08:05:06
English(EN) TRCGL-Net: A Long-Tailed Multi-Label Chest X-Ray Classification Framework with Generative Data Augmentation and Label Co-Occurrence Modeling

新的TRCGL-Net框架提高了胸部X光片中罕见病的检测能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了TRCGL-Net，一个旨在提高胸部X光片多标签分类准确性的新框架，尤其是在罕见病方面。该系统通过使用条件扩散模型对尾类样本进行生成数据增强来解决长尾数据分布的挑战。它还包含一个通道重加权机制用于特征重新校准，以及一个类感知注意力机制用于更好地定位与疾病相关的区域。在PadChest数据集上的实验表明，TRCGL-Net的有效性，与现有方法相比，在尾类mAP和整体指标上取得了更优异的性能。 AI

影响 增强了医学影像中罕见病的诊断能力，可能改善患者的治疗效果。

排序理由 该集群包含一篇详细介绍新模型及其实验结果的学术论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的TRCGL-Net框架提高了胸部X光片中罕见病的检测能力

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Tong Shao, Hongshun Ling, Li Zhang, Jinjing Wu, Junke Wang, Yuan Gao, Fang Wang ·

    TRCGL-Net: A Long-Tailed Multi-Label Chest X-Ray Classification Framework with Generative Data Augmentation and Label Co-Occurrence Modeling

    arXiv:2607.00975v1 Announce Type: cross Abstract: Chest X-ray multi-label classification is a core task in intelligent medical imaging diagnosis. However, real clinical data often exhibit extreme long-tailed distributions, leading to degraded performance on rare diseases in tail …

  2. arXiv cs.AI TIER_1 English(EN) · Fang Wang ·

    TRCGL-Net：一种具有生成数据增强和标签共现建模的长尾多标签胸部X射线分类框架

    Chest X-ray multi-label classification is a core task in intelligent medical imaging diagnosis. However, real clinical data often exhibit extreme long-tailed distributions, leading to degraded performance on rare diseases in tail classes. This issue is not only driven by data sca…

相关话题