基于多尺度与属性感知语义图的多标签胸部X射线图像分类算法（MSASG）

本文提出了一种创新的多标签胸部X射线（CXR）图像分类算法MSASG，通过多尺度特征分割与重建（MFPR）解决病灶尺度异质性，利用标签引导多尺度语义对齐（LMSA）增强视觉-语义交互，并采用属性感知图卷积网络（A-GCN）实现个性化标签依赖建模。在ChestX-ray14和CheXpert数据集上的实验表明，该算法在复杂病灶共现识别和异质人群适应性方面显著优于现有方法。

　　

亮点

• 针对病灶空间尺度异质性，提出多尺度特征分割与重建方法（MFPR），通过多尺度局部特征提取增强对多样化空间模式的病灶识别能力

• 基于标签语义与视觉特征对齐的重要性，设计标签引导多尺度语义对齐方法（LMSA），将标签嵌入（Label Embeddings）融入视觉特征提取过程以提升视觉-语义对齐效果

• 考虑语义依赖的群体异质性，构建属性感知图卷积网络（A-GCN），将年龄、性别等属性整合到标签共现矩阵构建和图传播过程中，以更好地捕捉标签依赖关系

结论与未来工作

为解决多标签CXR分类中病灶尺度异质性和标签依赖表征泛化性受限的挑战，本文提出了一种基于多尺度与属性感知语义图的新型算法，其中MFPR、LMSA和A-GCN协同作用，提取多尺度视觉特征并构建属性条件化的标签依赖关系。为评估其有效性，我们在两个广泛使用的胸部X射线数据集上进行了大量实验。未来工作将探索更细粒度的属性建模和跨中心泛化能力提升。