基于多重自注意力机制(MSA)的3D肺结节CT影像分类网络：提升肺癌早期诊断准确性的创新方法

针对传统2D模型难以有效提取空间信息、3D模型计算复杂度高的问题，研究人员开发了基于多重自注意力机制(MSA-Net)的3D肺结节分类模型。该研究通过创新的3D RTConvBlock结构融合局部特征与全局依赖关系，在LUNA16数据集上实现0.953准确率和0.993 AUC值，为肺癌早期筛查提供了高效可靠的计算机辅助诊断(CAD)方案。

　　

肺癌作为全球癌症相关死亡的首要原因，其早期诊断对提高患者生存率至关重要。尽管低剂量CT筛查能显著降低死亡率，但肺结节良恶性鉴别仍面临巨大挑战——传统2D模型难以捕捉空间信息，而3D模型又存在参数庞大、计算资源消耗高等问题。更棘手的是，肺结节形态复杂多变，常与周围组织混杂，即使经验丰富的放射科医生也可能误判。这种临床困境呼唤更智能的计算机辅助诊断系统。

来自广西工程技术研究中心等机构的研究团队在《BMC Medical Imaging》发表创新研究，提出名为MSA-Net的多重自注意力3D分类网络。该模型通过独特的RTConvBlock结构整合残差卷积与多头自注意力机制，在保持较低参数量的同时实现0.953的惊人准确率，为临床实践提供了高效可靠的决策支持工具。这项突破不仅超越现有SOTA方法，更开创了医学影像分析的新范式。

研究采用三项核心技术：1）基于LUNA16数据集（含497个经放射科医师共识标注的结节）的3D结节提取方法；2）融合残差连接的ConvBlock模块（含3×3×3卷积与BN-ReLU激活）；3）核心创新RTConvBlock——将Transformer Encoder（4头注意力、4层堆叠）与传统卷积结合，通过patch embedding将48×48×48输入转换为序列处理。训练采用Adam优化器（lr=0.0001）和交叉熵损失函数。

【模型设计】研究团队构建的端到端网络包含1个ConvBlock和3个RTConvBlock层级结构。ConvBlock通过串联残差连接（公式6）高效提取局部特征；RTConvBlock则创新性地在空间特征提取后接入Transformer Encoder（公式7），利用位置编码E_pos保持空间关系，最终通过1×1×1卷积调整通道数。这种设计使FLOPs控制在57.77B，显著低于同类3D模型。

【性能验证】在关键指标上，MSA-Net全面领先：准确率（0.953）比传统VGG提升2.9%，灵敏度（0.963）更创下新高。热力图分析显示，该模型在FPR=0.01时TPR达0.149，证明其低假阳性下的高检出能力。消融实验证实，4注意力头配置（表3）在57.77B FLOPs下实现最佳平衡，而4层Transformer（表2）相比8/12层减少41%计算量。

【横向对比】与现有方法相比（表4），MSA-Net兼具2D模型（如BiCFormer）的效率和3D模型（如SSTL-DA）的空间分析能力。特别在AUC指标（0.993）上，较SAACNet提升1.6%，且参数量减少16.5%。研究同时指出，手动结节提取过程未来需改进为自动化流程。

这项研究通过多重自注意力机制的革命性应用，成功解决了医学影像分析中空间信息捕获与计算效率的矛盾。其创新点主要体现在：1）RTConvBlock实现局部-全局特征协同提取；2）参数优化策略使模型在56.6M参数量下达到临床级精度；3）为小样本医学数据训练提供新范式。尽管存在标注依赖性强等局限，但MSA-Net展现的0.993 AUC值，标志着AI辅助肺癌筛查迈入新阶段，对推动精准医疗发展具有重要实践价值。未来研究可进一步探索半监督学习以降低标注成本，并将该框架拓展至其他三维医学影像分析领域。