全解耦多病灶定位框架CXR-ODDet：提升胸部X光多类病变自动分析性能

为解决胸部X光(CXR)多类病变定位中通用性不足的难题，研究人员开发了全解耦框架CXR-ODDet。该研究通过粒度解耦编码器(GD-Encoder)整合病灶共性与特异性特征，并采用任务解耦解码器(TD-Decoder)实现独立解码流程，最终在两项CXR数据集上实现平均精度(AP)提升3.4%和4.2%，为胸科疾病AI辅助诊断提供新范式。

　　

胸部X光(Chest X-ray, CXR)作为常规胸部疾病筛查手段，现有深度学习检测网络在单一病症诊断中表现优异，却面临多病症通用性受限的挑战。这项研究提出革命性的全解耦多类病变定位框架CXR-ODDet，其核心创新在于：

1）粒度解耦编码器(Granularity-Decoupled Encoder, GD-Encoder)巧妙融合病灶共性知识与特异性特征，构建跨病种的判别性特征表达；

2）任务解耦解码器(Task-Decoupled Decoder, TD-Decoder)为每类病变提供专属解码通道，有效避免不同病灶知识的相互干扰。实验数据亮眼——在两个CXR数据集上，该框架将平均精度(Average Precision, AP)分别拔高3.4%和4.2%，犹如为胸科AI诊断装上"病变分拣器"，显著提升多病种协同检测能力。