Multi-Scale Feature Fusion using Parallel-Attention Block for COVID-19 Chest X-ray Diagnosis

要約

タイトル：COVID-19胸部X線診断のための並列アテンションブロックを使ったマルチスケール特徴融合

要約：
– COVID-19の正確な診断は、胸部X線（CXR）画像からのCOVID-19の正確な診断が重要である。
– ラジオロジック評価中の不均質性や評価者間変動を減らすために、医療意思決定とその後の疾患管理を補完するためにコンピュータ支援診断ツールが利用されている。
– 高い精度と堅牢性を備えた計算方法が、患者の迅速な選別や収集されたデータの解釈で放射線技師の判断を支援するために必要である。
– 本研究では、マルチフィーチャー融合ネットワークを提案する。このネットワークでは、マルチスケールで元のCXR画像とローカルフェーズフィーチャー強化CXR画像を並列のアテンションブロックで融合する。
– 異なる組織から入手したさまざまなCOVID-19データセットでモデルを評価し、一般化能力を評価した。
– 実験結果は、当社の手法が最新のパフォーマンスを達成し、広範な展開に重要な一般化能力を向上させたことを示しています。

要約(オリジナル)

Under the global COVID-19 crisis, accurate diagnosis of COVID-19 from Chest X-ray (CXR) images is critical. To reduce intra- and inter-observer variability, during the radiological assessment, computer-aided diagnostic tools have been utilized to supplement medical decision-making and subsequent disease management. Computational methods with high accuracy and robustness are required for rapid triaging of patients and aiding radiologists in the interpretation of the collected data. In this study, we propose a novel multi-feature fusion network using parallel attention blocks to fuse the original CXR images and local-phase feature-enhanced CXR images at multi-scales. We examine our model on various COVID-19 datasets acquired from different organizations to assess the generalization ability. Our experiments demonstrate that our method achieves state-of-art performance and has improved generalization capability, which is crucial for widespread deployment.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI