CheXtriev：基于病例检索胸片的以解剖学为中心的表示

CheXtriev: Anatomy-Centered Representation for Case-Based Retrieval of Chest Radiographs

摘要

目的： CheXtriev，这是一种基于图形的解剖学感知框架，用于胸片检索。与以前专注于全局特征的方法不同，该方法利用图形转换器从特定的解剖区域提取信息特征。
方法： 捕捉了空间背景以及解剖位置和发现之间的相互作用。这种基于循证解剖学的背景化产生了更丰富的解剖学感知表示，并导致更准确、有效和高效的检索，特别是对于不太普遍的发现
结果： CheXtriv 在检索准确性方面比最先进的全球和本地方法高出 18% 到 26%，在排名质量方面比最先进的全球和本地方法高出 11% 到 23%。
代码地址

方法

1. X 光片中确定了 18 个重要的解剖区域。这些区域包括右肺和左肺，包括其根尖、上、中、下区域，以及左右肺门结构、脐口角、纵隔（及其上部）、心脏轮廓和气管。
2. 设计了一种新的图Transformer框架：使用具有一个 ReLU 非线性的两层感知器 （MLP） 将区域的每个特征进行投影。学习 N 位嵌入向量 来区分一个解剖区域和另一个解剖区域。
3. 边缘感知图注意力。为了模拟解剖关系，构建了一个具有可学习连续边的图，以捕获区域间的依赖关系。图中的每条边都连接两个区域，分别表示为 j 和 i （分别为相邻区域和参考区域）。计算了包含区域特征和可学习边缘信息的 C 路多头注意力
4. 多级特征聚合。我们引入了共享源门控残差连接，以选择性地聚合全局-本地上下文感知特征

实验结果