摘要
本文主要研究胸部X射线(CXR)图像中的胸部疾病分类问题。不同于通用图像分类任务,一个鲁棒且稳定的CXR图像分析系统应该考虑CXR图像的独特特征。特别是,他应该能够:1)自动关注疾病关键区域,这些区域通常规模较小;2)自适应地捕获不同疾病特征之间的内在关系,并利用它们共同共同提高多标签疾病识别率。在本文中,我们提出一个名为ConsultNet的两分支结构来学习区分特征,以同时实现这两个目的。ConsultNet由两部分组成。首先,信息瓶颈约束特征选择器( information bottleneck constrained feature selector)根据特征重要性提取关键疾病特征。其次,基于空间和通道编码的特征积分器增强了特征空间中潜在的语义依赖性。ConsultNet融合了这些鉴别特征,以提升CXRs中胸部疾病分类的性能。在ChestX-ray14和ChestXpert数据集上进行的实验证明了该方法的有效性。