注意力与多尺度特征融合的胸部疾病分类

来源：电子测量技术杂志2026年第7期北京时间：

作者：胡欣茹，吕晓琪，谷宇

单位：1.内蒙古科技大学数智产业学院 包头 014010; 2.内蒙古工业大学信息工程学院 呼和浩特 010051; 3.河北建筑工程学院信息工程学院 张家口 075000

摘要：胸部疾病在早期诊断中具有重要意义，现有X光图像分类方法因特征提取中信息交互不足以及微小病灶辨识困难等问题导致分类效果不佳。为此提出一种基于注意力机制与多尺度特征融合的胸部X光图像疾病分类网络FFA-Net。首先，该网络通过任务交叉注意模块在水平和垂直方向上有效捕获全局上下文信息，增强特征间的交互；其次，通过构建多分支提取模块，在不同尺度下融合特征信息，使其深层特征能够聚焦于浅层特征中识别出的细微病理区域；最后，设计了一个能够提取不同频率特征并抑制噪声干扰的多频率语义注意力模块。在ChestX-ray14数据集上对所提出的方法进行了综合实验，结果显示，平均AUC值为0.856 4，对疝气的AUC值达到0.973 4；并通过消融实验以及在CheXpert和COVID-19 Radiography Database两个数据集进行泛化实验，数据显示，在CheXpert数据集上的平均AUC值为0.811；在COVID-19 Radiography Database数据集上的平均Accuracy为0.956 0。相较于当前流行的分类网络，FFA-Net具备更好的特征提取能力和分类效果。

关键词：医学图像处理;胸部X光片;多标签图像分类;注意力机制;特征融合

基金资助：国家自然科学基金(62001255，61771266)、中央引导地方科技发展资金项目(2021ZY0004)、内蒙古自治区自然科学基金(2024MS06008)、内蒙古自治区高等学校青年科技英才计划(NJYT23057)、内蒙古自治区直属高校基本科研业务费项目优秀青年基金(042)项目资助