Diagnosticar como un radiólogo: Red neuronal convolucional guiada por atención para la clasificación de enfermedades del tórax

Este trabajo considera la tarea de clasificación de enfermedades del tórax en imágenes de radiografías de tórax. Los métodos existentes generalmente utilizan la imagen global como entrada para el aprendizaje de la red. Tal estrategia tiene limitaciones en dos aspectos. 1) Una enfermedad del tórax generalmente ocurre en áreas (pequeñas) localizadas que son específicas de la enfermedad. Entrenar redes neuronales convolucionales (CNN) utilizando imágenes globales puede verse afectado por áreas ruidosas no relevantes (excesivas). 2) Debido a la mala alineación de algunas imágenes de CXR, la existencia de bordes irregulares dificulta el rendimiento de la red. En este trabajo, abordamos los problemas anteriores proponiendo una red neuronal convolucional guiada por atención de tres ramas (AG-CNN). AG-CNN 1) aprende de regiones específicas de la enfermedad para evitar el ruido y mejorar la alineación, 2) también integra una rama global para compensar las pistas discriminativas perdidas de la rama local. Específicamente, primero aprendemos una rama CNN global utilizando imágenes globales. Luego, guiados por el mapa de calor de atención generado desde la rama global, inferimos una máscara para recortar una región discriminativa de la imagen global. La región local se utiliza para entrenar una rama CNN local. Por último, concatenamos las últimas capas de agrupamiento de ambas ramas, global y local, para ajustar la rama de fusión. Se realiza un experimento integral en el conjunto de datos ChestX-ray14. Primero informamos una fuerte línea de base global que produce un AUC promedio de 0.841 con ResNet-50 como base. Después de combinar las pistas locales con la información global, AG-CNN mejora el AUC promedio a 0.868. Mientras se utiliza DenseNet-121, el AUC promedio alcanza 0.871, lo que representa un nuevo estado del arte en la comunidad.