基于Xception_ViT混合模型的CT影像卵巢肿瘤精准诊断研究

本研究针对卵巢癌诊断准确率低的临床难题，创新性地提出Xception_ViT混合深度学习模型，通过整合Xception的局部特征提取能力和Vision Transformer（ViT）的全局关系建模优势，在King Abdullah University Hospital提供的1943例CT影像数据集（KAUH-OCCTD/KAUH-BOTD/KAUH-MOTD）上实现98.09%的最高分类准确率，为卵巢良恶性肿瘤的自动化鉴别提供了新范式。

　　

卵巢癌作为致死率最高的妇科恶性肿瘤，约75%患者确诊时已进展至晚期，传统CT影像诊断面临早期病灶识别困难、良恶性鉴别准确率波动大等挑战。尽管计算机辅助诊断（CAD）技术已取得进展，但现有模型在特征提取全面性和跨模态关联分析上存在局限。针对这一临床痛点，约旦科技大学附属King Abdullah University Hospital的研究团队创新性地融合深度卷积与自注意力机制，开发出Xception_ViT混合模型，相关成果发表于《Intelligence-Based Medicine》。

研究团队采用三大关键技术：1）构建包含1943例多视角CT影像的专属数据集（KAUH-OCCTD/KAUH-BOTD/KAUH-MOTD），涵盖正常、良性（5亚型）和恶性（4亚型）全谱系样本；2）设计Xception_ViT混合架构，通过Xception网络提取局部纹理特征后，经Vision Transformer（ViT）建模全局空间关系；3）采用高斯误差线性单元（GeLU）激活函数优化特征传递，结合95%置信区间（CI）统计验证。

【研究结果】
3.1 数据集特征
收集500名22-85岁女性患者的冠状位/矢状位/轴位CT三视图（720×720像素），经IRB伦理审查后形成三大数据集：KAUH-OCCTD（1943例）、KAUH-BOTD（1402例含复杂囊肿等5亚型）、KAUH-MOTD（725例含浆液性癌等4亚型）。

3.2 模型性能
在KAUH-OCCTD测试中，Xception_ViT以98.09%准确率显著超越7个基线模型（NASNetMobile 97.81%，ResNet50仅84.15%），其特异性达99.05%。对良性亚型分类（KAUH-BOTD）和恶性亚型鉴别（KAUH-MOTD）分别取得96.05%和98.73%的准确率，证实模型对囊实性成分、出血信号等细微差异的捕捉能力。

3.3 特征可视化
注意力热图显示模型可定位囊壁增厚、乳头状突起等恶性征象，与放射科医师标注关键区重合率达92%。

【结论与意义】
该研究首次在约旦地区建立卵巢肿瘤CT影像标准数据集，验证了CNN-Transformer混合架构在医学影像分析的优越性。Xception_ViT通过深度可分离卷积降低计算复杂度，结合ViT的长程依赖建模，使F1-score提升至98.11%。临床转化方面，模型可辅助初级医师鉴别易误诊的黏液性囊腺瘤与交界性肿瘤，为保留生育功能的手术决策提供量化依据。未来需通过多中心研究验证泛化性，但当前成果已为AI驱动的高效卵巢癌筛查奠定重要技术基础。