一种新颖的视觉变换器（Vision Transformer）与InceptionV3混合网络模型，用于通过计算机断层扫描（CT扫描）准确诊断强直性脊柱炎

《Machine Intelligence Research》：A Novel Vision Transformer + InceptionV3 Hybrid Network for Accurate Diagnosis of Ankylosing Spondylitis from Computed Tomography Scans

本研究提出一种基于YOLOv5、ViT+InceptionV3混合架构的三阶段计算机视觉诊断流程，通过CT扫描图像准确识别强直性脊柱炎（AS），在73例患者中取得98.63%准确率、96.43%灵敏度及100%特异性，并验证混合模型优于单一架构。

　　

摘要

**背景与目标：**强直性脊柱炎（AS）是一种终身性的关节炎，会引发骶髂关节（SIJ）和脊柱的炎症。与磁共振成像（MRI）相比，计算机断层扫描（CT）能更清晰地显示SIJ内的骨侵蚀现象——这是强直性脊柱炎早期的细微特征——因此CT被认为是诊断强直性脊柱炎的“金标准”方法。尽管通过CT进行的临床诊断具有很高的特异性，但其敏感性往往较低。**材料与方法：**通过对35名强直性脊柱炎患者和65名对照患者的盆腔CT扫描数据中的2000多个骶髂关节进行分析，开发了一种三阶段的计算机视觉诊断流程：首先使用YOLOv5算法对骶髂关节进行定位和提取；然后通过自定义的视觉变换器（ViT）与InceptionV3混合架构，将骶髂关节分类为强直性脊柱炎（不同病变阶段）或对照组（不同年龄组）；最后利用汇总和标准化的分类结果，借助传统的机器学习模型在患者层面预测强直性脊柱炎的存在。**结果：**在73名具有8个以上骶髂关节的患者中（这一限制减少了误分类的影响），该诊断流程的准确率为98.63%，敏感性为96.43%，特异性为100%，ROC AUC值为96.51%。实验表明该流程具有较好的鲁棒性，并且优于其他重新训练的类似模型。与单纯的ViT模型相比，这种混合模型在准确性上提高了16%，ROC AUC值提高了14%；与单纯的InceptionV3模型相比，其准确性提高了7%，ROC AUC值提高了4%。**结论：**通过该诊断流程可以高灵敏度和高特异性地诊断强直性脊柱炎。ViT + InceptionV3模型结合了两种方法的优点，既能捕捉全局特征也能捕捉局部细节，适用于计算机辅助诊断等场景。