PulseAugur
中
实时 10:14:14
English(EN) C$^2$A: Coupling Spatial Evidence with Clinical Priors via Co-occurrence Aware Class Attention for Multi-Label Chest X-Ray Classification

新的C2A模型通过结合空间和临床数据改进胸部X光片分类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为C$^2$A（共现感知类别注意力）的新分类头，旨在提高胸部X光片多标签分类的准确性。该方法明确地将X光图像的空间信息与不同胸部病理学倾向于共存的临床先验知识联系起来。通过学习每类的空间注意力图并将其与经验性标签共现数据相结合，C$^2$A能够更好地识别和区分病灶，特别是那些空间证据模糊的病灶。该方法在CheXpert数据集上表现出优越的性能，宏观平均AUROC达到0.895，并在经常一起出现的类别上取得了显著的提升。 AI

影响 这项研究可能带来更准确、更可靠的医学影像AI诊断工具。

排序理由 该集群包含一篇详细介绍新型医学影像分类模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的C2A模型通过结合空间和临床数据改进胸部X光片分类

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Akash Gogineni, Nagur Shareef Shaik, Aasrith Mandava, Adnan Masood, Dong Hye Ye ·

    C$^2$A：通过共现感知类别注意力将空间证据与临床先验相结合，用于多标签胸部X射线分类

    arXiv:2608.09774v1 Announce Type: cross Abstract: Thoracic pathologies rarely occur in isolation, yet standard multi-label classifiers rely on shared global descriptors, discarding \emph{where} findings lie and \emph{how} they co-occur. We propose \textbf{C$\mathbf{^2}$A} (Co-occ…

相关实体

相关话题