使用双重注意力的增强型Swin Transformer用于从X光图像对膝骨关节炎严重程度分级

为什么膝痛很重要

膝盖疼痛不仅仅是令人烦恼；它是全球致残的主要原因之一，尤其在人群老龄化时更为常见。医生在判断患者的膝骨关节炎是轻度且可管理，还是严重到需要考虑手术时，严重依赖X光影像。但阅片既耗时，又可能漏掉早期损伤，不同专家之间也常存在分歧。本研究提出了一种新的人工智能（AI）系统，旨在快速且高度准确地解读膝部X光，帮助临床医生更早发现关节损伤并更一致地指导治疗。

一种更智能的膝部X光解读方法

骨关节炎会逐步磨损膝盖缓冲的光滑软骨，导致疼痛、僵硬和活动受限。在X光片上，医生会寻找一些线索，例如骨间隙变窄和称为骨赘的小骨增生。这些变化通常用一个五级评分来概括，即Kellgren–Lawrence（KL）分级，从0（健康）到4（严重）。基于卷积神经网络（CNN）的传统计算程序在自动化分级方面已有所帮助，但它们往往难以捕捉整张图像中的细微模式，并且通常需要大量计算资源和长时间训练。论文作者的目标是设计出既更准确，又更轻便、更快速的系统，从而能够在繁忙的临床环境中实际应用，包括资源有限的机构。

该AI系统如何工作

研究人员构建了一个名为Swin‑O‑NETS的混合模型，结合了两种理念：一种先进的图像阅读器Swin Transformer和一种快速轻量的分类器Fast Extreme Learning Network。首先，从大型公共数据库——骨关节炎倡议（Osteoarthritis Initiative）中获取的X光图像经过清理和增强以去噪并改善对比度。随后将图像切分成小补丁并输入一个U形网络，对膝部区域进行分割和分析。在该网络内部，经过修改的Swin Transformer在多个尺度上查看图像，从关节表面的细节到整个膝部的更广泛结构模式。

关注正确的细节

一个关键创新是使用多头通道自注意力机制，这一机制帮助AI决定哪些图像特征最重要。模型不是将X光的所有部分一视同仁，而是学习聚焦于携带关节间隙变窄、骨缘清晰度和早期骨赘等信息的通道，同时弱化较少信息量的背景区域。多个注意力“头”并行地观察数据并合并其发现，从而丰富对膝部的整体描述。这些提炼后的特征被输入到Fast Extreme Learning Network，后者完成将X光划分为五个KL等级之一的最终步骤。由于该分类器可以通过一步数学计算得到其内部权重，而无需经过多次缓慢的训练循环，整个系统尽管结构复杂但仍保持高效。

将系统付诸测试

为了评估Swin‑O‑NETS的性能，作者在2,047张带标签的膝部X光片上进行了训练和测试，仔细平衡了不同的严重程度等级，并使用旋转、缩放等数据增强手段以防止过拟合。他们将模型与流行的深度学习架构进行了比较，包括标准CNN、VGG‑19、ResNet、DenseNet，以及若干集成和增强注意力的变体。在所有五个KL等级（从健康到重度损伤）上，Swin‑O‑NETS始终给出最高的评分。其总体准确率约为99.5%，且精确率、召回率和F1分数同样很高，ROC曲线下面积为0.9838，表明其在区分不同严重程度方面能力优异。同时，它所需的计算量和训练时间也少于许多基于Transformer的竞争模型。

这对患者可能意味着什么

简而言之，这项工作表明，一个精心设计的AI系统可以几乎完美地在X光上对膝骨关节炎进行分级，同时仍保持可运行性。通过快速且一致地发现人眼可能忽略的早期关节变化，Swin‑O‑NETS可以支持更早的生活方式或药物干预、推迟关节置换的需要，并有助于在医院间标准化护理。作者指出，要在现实世界中部署该系统仍需在更大规模、多中心的数据集上进行更多测试，并开发更轻量的实时可用版本。不过，他们的结果表明，像这样的智能影像阅读器有望很快成为放射科医师的常规辅助工具，悄然改善数百万膝痛脆弱患者的预后。

引用: Sudha, K., Rajiv Kannan, A. Enhanced swin transformer with dual attention for knee osteoarthritis severity grading from X-ray images. Sci Rep 16, 10617 (2026). https://doi.org/10.1038/s41598-026-44174-4

关键词: 膝关节骨关节炎, X光成像, 深度学习, Transformer网络, 医学图像分类