Classificazione di Immagini Mediche Utilizzando Grafi di Conoscenza Multimodali
Un nuovo framework per la classificazione di immagini mediche utilizza grafi di conoscenza multimodali per simulare il ragionamento diagnostico clinico. Il metodo recupera in modo adattivo casi simili, costruisce un grafo di conoscenza e inietta caratteristiche basate sui casi nelle rappresentazioni visive tramite reti di attenzione su grafi e attenzione cross-modale. L'approccio mira a migliorare la spiegabilità e l'accuratezza sfruttando conoscenze esterne e casi storici, affrontando i limiti delle prove visive isolate nei modelli di deep learning.
Fatti principali
- Il framework è chiamato ragionamento consapevole dei casi utilizzando grafi di conoscenza multimodali.
- Recupera in modo adattivo casi simili per costruire un grafo di conoscenza multimodale.
- Una rete di attenzione su grafi incentrata sull'immagine propaga la semantica della conoscenza.
- L'attenzione cross-modale bidirezionale inietta caratteristiche basate sui casi nelle rappresentazioni visive.
- Il metodo mira a simulare i processi diagnostici clinici.
- Affronta i limiti dei metodi di deep learning esistenti che si basano su prove visive isolate.
- L'approccio è progettato per la diagnosi di immagini mediche spiegabile.
- L'articolo è disponibile su arXiv con ID 2605.22547.
Entità
—