编辑推荐：
帕金森病（PD）诊断困难，现有模型存在局限。研究人员开展 Swin Transformer 和 CNN 融合框架用于 PD 分类研究。结果显示模型准确率达 96%、灵敏度 97% 等。该研究为 PD 诊断提供新方案，推动疾病早期精准诊断。
帕金森病（Parkinson’s disease，PD）作为全球第二大常见神经系统疾病，正以惊人的速度在人群中蔓延。它就像一个隐匿在黑暗中的 “健康杀手”，悄无声息地侵蚀着患者的生活。PD 是一种无法治愈且逐渐恶化的疾病，但如果能在早期发现并干预，患者的生活质量（Quality of Life，QoL）将得到极大改善。目前，医生主要借助患者病史和脑部医学影像，如磁共振成像（Magnetic Resonance Imaging，MRI）来诊断 PD。然而，MRI 影像包含大量切片，医生和放射科医生要逐一仔细查看，从中精准诊断 PD 并非易事。而且，PD 与其他神经系统疾病症状相似，导致误诊率高达 25% 。这就好比在一堆相似的拼图碎片中寻找特定的那几片，难度极大。在这样的困境下，基于深度学习的全自动、计算机辅助诊断系统成为了医学领域的 “救命稻草”，吸引了众多研究人员投身其中。
来自中南大学的研究人员积极响应这一挑战，开展了一项关于利用 Swin Transformer 和卷积神经网络（Convolutional Neural Networks，CNN）融合框架进行帕金森病 MRI 精准分类的研究。他们通过不懈努力，成功构建了一种创新的模型，该模型在准确率、灵敏度、特异性和曲线下面积等指标上分别达到了 96%、97%、95% 和 95% ，这一成果为帕金森病的早期诊断带来了新的曙光，具有重大的临床意义和应用价值。该研究成果发表在《Scientific Reports》上。
研究人员为开展此项研究，运用了多个关键技术方法。他们从帕金森病进展标记倡议（Parkinson’s Progression Markers Initiative，PPMI）数据库获取了 498 名受试者的 MRI 数据，其中 267 名属于 PD 患者，231 名为健康对照（Healthy Control，HC）。在数据处理阶段，使用图像配准技术对数据进行对齐，通过非参数非均匀强度归一化算法去除噪声。之后，选取中间层切片构建数据集，并按 70%、10%、20% 的比例划分为训练集、验证集和测试集。模型构建方面，将模型分为 Transformer-Block、Convolutional Block 和 Dense-Block 三个主要模块，同时采用余弦注意力机制和跳跃连接以优化模型性能。
研究结果
- 模型性能评估：研究人员使用准确率、灵敏度、特异性和 AUC-ROC 等多种标准指标评估模型性能。在测试集中，共 499 个案例，其中 267 个属于 PD 类，232 个属于 HC 类。模型在 HC 类中正确分类 220 例，仅 12 例误分类；在 PD 预测中，267 例中有 258 例正确分类，仅 9 例误分类为 HC。模型在验证集上的准确率在第 50 个 epoch 后开始提升，第 300 个 epoch 时接近 98%，此时早期停止训练策略生效。
- 模型消融实验：研究人员进行了多项消融实验。仅使用 CNN-Block（Model 1）时，由于缺乏全局特征，准确率、灵敏度、特异性和 AUC 分别下降 4%、3%、4%；仅使用 Transformer-Block（Model 2）时，因缺少局部特征，各项指标比标准模型下降 8% 左右；在 Model 3 中，因未使用跳跃连接，各项指标比标准模型降低 3%（准确率、灵敏度、特异性）和 2%（AUC）；Model 4 因忽略前两个阶段的跳跃连接，准确率、灵敏度和 AUC 有小幅度下降；Model 5 仅调整 FC1 层神经元数量，各项指标仅下降 1% 。这些实验表明，Swin-Transformer 和 CNN 的结合对 PD 分类结果有积极影响。
- 不同实验设置下的模型性能：研究人员测试了不同超参数设置对模型性能的影响。改变 dropout 比例、批量大小、学习率和优化器等参数后发现，dropout 比例为 0.3、批量大小为 256、学习率为 0.0003 且优化器为 Adam 时，模型能取得最佳结果。
- GRAD-CAM 可视化：为了让深度学习模型的决策过程更加透明、可解释，研究人员使用了梯度类激活映射（Gradient Class Activation Maps，Grad-CAM）技术。通过该技术可视化注意力图发现，模型在所有平面上都对大脑中部给予了高度关注，这表明模型成功学习到了与 PD 相关的特征。
- 模型比较：研究人员将所提模型与多种现有模型进行对比，包括 CNNs 和机器学习方法。结果显示，所提模型在各项指标上均优于大多数先前模型。虽然部分模型的准确率和特异性与该模型相近，但该模型是在三个不同平面（轴向、矢状面和冠状面）以及整个 MRI 切片上进行测试，具有更广泛的适用性。
- 模型泛化能力评估：为测试模型对未见数据的鲁棒性，研究人员从数据集中随机选取 40 个 MRI 扫描，其中 20 个来自 PD 患者，20 个来自 HC。使用预训练模型测试后发现，模型在准确率、灵敏度、特异性和 AUC 上分别达到 67%、65%、70% 和 65% 。尽管性能相比测试集有所下降，但仍证明了模型具有处理未见数据的能力。
- 计算效率评估：研究人员对比了所提模型与单独的 CNN 和 Swin-Transformer 的计算效率。所提模型每个 epoch 的训练时间为 30 - 32 分钟，相比 CNN 模型（7 - 10 分钟）和 Swin-Transformer 模型（25 - 27 分钟）更长；推理时间约为 15 - 17 分钟，也高于其他两者。这是由于 Transformer 架构的复杂性以及为提高准确性所采用的额外计算，但这种复杂性也帮助模型在帕金森病检测中取得了更优异的性能。
研究结论与讨论
帕金森病的准确诊断一直是医学领域的难题，而 MRI 在其诊断中虽有重要作用，但现有基于 MRI 数据的模型存在诸多缺陷，如难以同时捕捉局部和全局特征、易出现梯度消失问题等。本研究提出的 Swin-Transformer 和 CNN 融合模型（TransPD-Net），有效解决了这些问题。通过使用跳跃连接减少梯度消失风险，利用余弦注意力机制处理输入数据的变化，模型在帕金森病分类任务中展现出卓越的性能。
一系列实验，如消融实验、不同超参数测试、Grad-CAM 可视化以及与其他模型的对比等，充分验证了该模型的有效性和优越性。同时，模型在未见数据上也表现出一定的鲁棒性，这为其在实际临床应用中的推广提供了有力支持。不过，研究也存在一些局限性，比如计算效率有待进一步提高。未来，研究人员计划将阿尔茨海默病纳入研究，作为第三类进行分类研究，进一步拓展模型的应用范围。总体而言，这项研究为帕金森病的早期精准诊断提供了新的有力工具，有望推动神经疾病诊断领域的发展，改善患者的生活质量。
