NeXtBrain：融合局部与全局特征学习的脑肿瘤分类新方法——突破深度学习在医学影像诊断中的效率与精度瓶颈

本研究针对脑肿瘤MRI分类中局部特征捕获与全局上下文建模难以兼顾的挑战，提出新型混合架构NeXtBrain，创新性整合NeXt卷积块(NCB)和NeXt Transformer块(NTB)，在Figshare和Kaggle数据集上分别实现99.78%准确率，以仅23.91M参数量超越DeiT3-Base等大型模型，为临床实时诊断提供高效解决方案。

　　

脑肿瘤的精准诊断是神经肿瘤学领域的重大挑战。尽管磁共振成像(MRI)能提供高分辨率解剖图像，但人工解读存在主观性强、效率低等问题。当前基于深度学习的计算机辅助诊断(CAD)系统虽取得进展，但传统卷积神经网络(CNN)难以同时捕捉细微的局部肿瘤形态和长程空间依赖关系，而纯Transformer架构又因计算复杂度高难以临床落地。这种"局部与全局不可兼得"的困境，加上医疗场景对模型轻量化的严格要求，成为制约AI辅助诊断发展的关键瓶颈。

针对这一难题，研究人员开发了创新性混合架构NeXtBrain。该研究通过系统整合CNN的局部特征提取优势与Transformer的全局建模能力，在Figshare和Kaggle两个公开脑MRI数据集上实现突破性性能：分类准确率均达99.78%，F1-score分别达99.77%和99.81%，显著超越17种当前最优模型。尤为重要的是，该模型仅需23.91百万参数和10.32 GFLOPs运算量，推理时间快至0.007毫秒，为临床实时应用扫清障碍。相关成果发表在《Brain Research》，为医学影像分析领域树立了新标杆。

研究采用三大关键技术方法：1) 设计NeXt卷积块(NCB)，采用深度可分离卷积替代传统组卷积，结合多头卷积注意力(MHCA)和SwiGLU激活的多层感知机(MLP)，优化局部特征学习；2) 开发NeXt Transformer块(NTB)，通过高效多头自注意力(E-MHSA)与MHCA的并联结构实现多频率特征融合；3) 基于7022例Kaggle数据集和3064例Figshare数据集的严格交叉验证，采用在线数据增强和迁移学习策略。

研究结果部分显示：

1. 在Figshare数据集上，NeXtBrain以99.78%准确率全面领先，较ResNet50(96.73%)提升3.05%，比参数量3.6倍的DeiT3-Base(99.35%)更优。
2. Kaggle数据集测试中，模型对胶质瘤、脑膜瘤等四分类任务实现99.81% F1-score，仅1例垂体瘤误判，证明其卓越的泛化能力。
3. 消融实验证实NCB与NTB的协同效应——移除任一模块都会导致性能下降，其中NTB对全局特征提取的贡献尤为关键。
4. 计算效率分析显示，模型在RTX 4090显卡上单次推理仅需0.007ms，训练耗时8.22秒/epoch，显著低于同类模型。

讨论部分指出，NeXtBrain的创新价值体现在三方面：首先，MHCA与SwiGLU-MLP的组合首次在医学影像中实现局部-全局特征的无损融合；其次，深度可分离卷积与注意力机制的协同设计，使模型在保持ViT级性能的同时，参数量仅为Swin-Base的27.6%；最后，10.32 GFLOPs的超低计算需求，使其成为首个有望部署在移动设备的医疗级Transformer模型。

该研究的临床意义在于：1) 为"小样本高精度"的医学影像分析提供新范式；2) 其<10ms的实时推理能力可集成至PACS系统辅助诊断；3) 模块化设计为其他医学图像分类任务提供可扩展框架。未来工作将聚焦于多中心验证和可解释性提升，推动AI辅助诊断从实验室走向临床实践。