摘要:卷积神经网络在分类肺结核患者的X光胸片中具有突出表现,但在平衡网络复杂度和识别精度上依然具有挑战性。针对上述问题,本文提出了一种嵌入辅助信息的轻量级胸片分类算法(Tuberculosis Auxiliary Information Embedding Network,TAIE-Net),以实现低复杂度情况下的准确分类。首先,使用ResNet残差网络作为基本结构,对其轻量化设计后作为网络特征提取主干。然后,对X光胸片内的左、右肺关系进行建模得到区域信息,再对各胸片之间的肺组织进行建模得到差异信息。最后,将区域信息和差异信息整合,形成补偿信息并嵌入轻量化分类网络的优化过程中,使深层语义信息更具鉴别力,提升了模型对关键特征的筛选能力。在肺结核公开数据集上进行分类实验,所提方法的分类准确率为93.8%,敏感度为92.5%,F1分数为93.7%。该方法相较于Mobile-Former和Mobile-ViT等轻量化网络,有效提升了肺结核胸片分类的精度,且在网络推理效率、参数量、权重方面更具有优势。