基于自定义注意力机制的增强型视觉Transformer(ViT)在特发性脊柱侧凸智能分类中的应用研究

为解决脊柱侧凸(Cobb角)测量主观性强、耗时长的临床痛点，来自Elaz?? Fethi Sekin城市医院的研究团队开发了采用自定义注意力机制的增强型视觉Transformer(ViT)模型。该模型在7分类任务中实现95.21%准确率，显著优于ResNet50、Swin Transformer等基线模型，为脊柱畸形自动化诊断提供了客观高效的AI解决方案。

　　脊柱侧凸(scoliosis)作为最常见的三维脊柱畸形，晚期会导致严重体态障碍，并引发疼痛、呼吸功能障碍、心理健康等问题。目前临床金标准是通过X光测量Cobb角进行评估，但传统人工测量存在主观性强、效率低下等缺陷。

研究团队创新性地将增强型视觉Transformer(Vision Transformer, ViT)引入脊柱侧凸分类领域，突破性地采用自定义注意力机制替代标准多头注意力结构。从土耳其Elaz?? Fethi Sekin城市医院获取的1456例患者数据构建的7分类数据集中，该模型展现出95.21%的惊人准确率，以显著优势超越ResNet50、Swin Transformer等主流架构。这项突破不仅实现了Cobb角的客观量化评估，更将深度学习技术精准应用于肌肉骨骼系统疾病的智能化诊断，为临床决策提供了高效可靠的AI辅助工具。