TRCGL-Net은 흉부 X선 다중 레이블 분류에서 희귀 질환의 성능을 향상시키는 프레임워크입니다. 텍스트 기반 조건부 확산 모델을 활용하여 생성된 이미지 샘플로 데이터 다양성을 높이고, 클래스 불균형을 완화합니다. 채널 재가중치 부여 메커니즘과 클래스별 어텐션 메커니즘을 통해 질병 관련 특징 채널을 강조하고, 세밀한 병변 영역에 집중합니다.
그래프 컨볼루션 네트워크를 기반으로 레이블 공존을 모델링하여 카테고리 간 정보 전달을 가능하게 합니다. PadChest 데이터셋 실험 결과, 희귀 질환 mAP가 0.4904로 기존 방법보다 뛰어난 성능을 보였습니다.
TRCGL-Net은 흉부 X선 다중 레이블 분류에서 극심한 클래스 불균형 문제를 완화하고 희귀 질환 인지 성능을 향상시킵니다.