近日，自动化与电气工程学院庞帅老师在医学图像智能分析领域取得重要进展。相关成果以“An Interactive Axial Feature Selection Network for Medical Image Classification”为题，发表在知名期刊《Neural Networks》上。《Neural Networks》是Elsevier出版的人工智能与神经网络领域重要期刊，在机器学习与智能计算方向具有较高学术影响力。

该研究针对医学图像分类任务中存在的特征相关性建模不足、关键信息表达不充分以及冗余特征干扰严重等问题，提出了一种交互式轴向特征选择网络（IAFSNet）。研究构建了“特征交互-轴向筛选-跨层聚合”的统一建模框架：首先，以ResNet18为骨干网络提取多尺度局部特征；其次，引入特征交互模块（Feature Interaction Module, FIM），建模不同尺度与层级特征之间的差异性与相关性，增强局部信息与全局语义之间的互补关系；最后，设计轴向特征选择模块（Axial Feature Selection Module, AFSM），从水平、垂直及空间三个维度对特征进行筛选与强化，有效抑制无关噪声信息。

实验结果表明，该方法在四个医学图像基准数据集上均取得了优异性能，整体分类精度和鲁棒性显著优于多种现有方法。通过轴向分解与阈值筛选机制，模型能够在降低冗余信息干扰的同时突出关键病灶特征，实现多层特征的逐级交互与聚合，显著提升复杂医学场景下的判别能力。

网址：https://www.sciencedirect.com/science/article/abs/pii/S0893608026001231