Anatomy-XNet: Ein anatomiebewusstes konvolutionsbasiertes neuronales Netzwerk zur Klassifizierung thorakaler Erkrankungen in Brust-Röntgenaufnahmen

Die Erkennung von Thoraxerkrankungen anhand von Brust-Röntgenaufnahmen mithilfe von tiefen Lernmethoden war in den letzten zehn Jahren ein aktives Forschungsgebiet. Die meisten bisherigen Methoden versuchen, sich auf die kranken Organe des Bildes zu konzentrieren, indem sie räumliche Bereiche identifizieren, die für erhebliche Beiträge zur Vorhersage des Modells verantwortlich sind. Im Gegensatz dazu lokalisieren Experten-Radiologen zunächst die prominenten anatomischen Strukturen, bevor sie feststellen, ob diese Bereiche abnorm sind. Daher könnte das Integrieren von anatomischem Wissen in tiefen Lernmodelle erhebliche Verbesserungen bei der automatischen Krankheitsklassifikation bringen. Angeregt durch diesen Gedanken schlagen wir Anatomy-XNet vor, ein auf anatomischem Wissen basierendes Aufmerksamkeitsnetzwerk zur Klassifikation von Thoraxerkrankungen, das räumliche Merkmale priorisiert, die durch vorher identifizierte anatomische Bereiche geleitet werden. Wir verwenden eine semiaufgeklärte Lernmethode, indem wir verfügbare kleine Organ-Level-Annotierungen nutzen, um die anatomischen Bereiche in großen Datensätzen zu lokalisieren, wo solche Annotierungen fehlen. Das vorgeschlagene Anatomy-XNet verwendet das vortrainierte DenseNet-121 als Grundgerüst und integriert zwei entsprechende strukturierte Module, die Anatomy Aware Attention (A$^3$) und Probabilistische Gewichtete Durchschnittspooling (PWAP), in einem zusammenhängenden Rahmen für das Lernen der anatomischen Aufmerksamkeit. Experimentell zeigen wir, dass unsere Methode einen neuen Stand der Technik darstellt, indem sie AUC-Werte von 85,78 %, 92,07 % und 84,04 % auf drei öffentlich zugänglichen großen CXR-Datensätzen – NIH (National Institutes of Health), Stanford CheXpert und MIMIC-CXR – erreicht. Dies beweist nicht nur die Effektivität der Nutzung des Wissens über die Segmentierung der Anatomie zur Verbesserung der Klassifikation von Thoraxerkrankungen, sondern zeigt auch die Übertragbarkeit des vorgeschlagenen Rahmens.注释：- "CXR" 翻译为 "Brust-Röntgenaufnahmen"（chest X-ray）。- "AUC" 翻译为 "AUC"（Area Under the Curve），这是医学和机器学习中常用的术语，通常保留英文缩写。- "DenseNet-121" 保留原样，因为这是特定的神经网络架构名称。- "Anatomy Aware Attention (A$^3$)" 和 "Probabilistic Weighted Average Pooling (PWAP)" 也保留了英文缩写，以保持专业性。