摘要
随着科技的不断发展和人们对于自己健康问题的更多关注，胸部疾病的早期筛查和诊断成为了当下热门的研究内容，然而由于国内专业放射科医生数量少、工作量大等问题，我们急需借助计算机辅助诊断系统的帮助来完成对于胸部疾病的初筛及诊断。随着深度学习的不断发展，胸部疾病的分类与检测成为了该领域的重要研究任务。该任务的目标是对胸部医学影像中存在的所有病灶进行分类，同时检测出病灶的位置以实现对病灶的精准定位。胸部疾病的检测与定位可以有效的辅助医生进行临床诊断，从而提高诊断效率，降低误诊率。 本文主要针对传统胸部疾病分类与定位算法自动性差、准确率低等问题，提出了一种基于胸部X光片的疾病分类及病变定位方法，并在公开的数据集上进行实验，取得了不错的效果。本文的具体研究内容和贡献如下： （1）提出了一个多标签疾病分类网络。针对传统的胸部辅助诊断系统在胸部X光片疾病分类方面图像特征提取效果差、平均准确率低等问题，提出了一个注意力机制和标签相关性结合的多层次分类网络。首先对实验数据进行了预处理，预处理主要分为针对X光片图像的预处理和针对X光片标签的预处理两部分。在对图像的预处理上，我们首先观察数据集中各类疾病的样本分布情况，分析数据集的划分方式与比例，然后对图像进行缩放和归一化处理。接着整理出带有标注的样本并将标注坐标与图片绑定。在必要时通过数据增强方法扩充数据。在对标签的预处理上，我们采用one-hot的编码形式对所有样本标签进行处理，同时通过word2vec的方法对疾病标签编码来表示标签特征。网络的训练分为两个阶段，在阶段1引入注意力机制并构建一个双分支特征提取网络，实现综合特征的提取；在阶段2利用图卷积神经网络对标签相关关系进行建模，并与阶段1的特征提取结果进行结合，以实现对胸部X光片疾病的多标签分类任务。实验结果表明，本方法在ChestX-ray14数据集上各类疾病的平均AUC达到0.846。 （2）提出了一个胸部疾病定位网络。针对胸部疾病定位问题中样本少，疾病特征复杂的问题，提出了一个基于复合骨干网络和注意力对齐的胸部疾病定位方法。本文所设计的网络结构由复合骨干特征提取网络、注意力对齐模块、目标检测网络三部分构成。首先对数据进行了预处理，主要是针对样本分布不均的问题做了数据增广，使样本分布趋近均衡。网络结构部分首先通过复合骨干网络兼顾深层语义特征和浅层语义特征，提高特征提取能力；然后在注意力对齐模块将全局和局部注意力特征图进行图像点积并对齐，将其同步至最终特征图上；最后将对齐后的特征图送入目标检测网络中得到最终的疾病检测结果。实验结果表明，本方法相比于其他胸部疾病检测定位的方法有着更高的准确率，在通用的评价指标上均取得明显提升。
NETL