基于Transformer与CNN融合模型的超声影像辅助乳腺癌诊断研究：来自约旦KAUH-BCUSD数据集的新突破

本研究针对中东地区缺乏本土化乳腺癌超声数据集的问题，由约旦King Abdullah大学医院团队构建首个含6159张超声图像的KAUH-BCUSD数据集，创新性提出CNN_ViT混合模型，通过结合卷积神经网络(CNN)的局部特征提取与视觉Transformer(ViT)的全局建模能力，实现95.12%的分类准确率，为区域化乳腺癌早期诊断提供可靠AI工具。

　　

乳腺癌作为全球女性癌症相关死亡的第二大原因，早期诊断对提高生存率至关重要。然而传统诊断方法面临两大挑战：一是超声影像存在操作者依赖性、噪声干扰和病灶形态复杂性；二是中东地区缺乏反映本土人口特征的标准化数据集。约旦King Abdullah大学医院的研究团队在《Intelligence-Based Medicine》发表的研究，通过构建首个中东地区乳腺癌超声数据集KAUH-BCUSD，并开发创新性的CNN_ViT混合模型，为这些难题提供了突破性解决方案。

研究团队采用多学科协作模式，首先从5000例临床病例中收集6159张超声图像构建KAUH-BCUSD数据集，所有图像经专业医师标注为良性或恶性。技术方法上，创新性地将卷积神经网络(CNN)的局部特征提取优势与视觉Transformer(ViT)的全局自注意力机制结合：1）通过CNN组件捕获肿瘤边缘等局部特征；2）将特征图分割为patch序列输入ViT模块，利用多头自注意力机制建模全局关联；3）采用Adam优化器进行端到端训练，并严格实施患者级别的数据划分以避免信息泄露。

研究结果部分显示：1）模型比较：CNN_ViT混合模型以95.12%准确率显著优于8种预训练模型（VGG16最高86.29%），F1-score达0.9524；2）性能分析：在召回率(0.9754)方面表现突出，表明对恶性病例的高敏感性；3）混淆矩阵显示该模型仅产生95例错误分类，远低于ViT单独使用的413例错误；4）消融实验证实CNN与ViT的协同效应——单独ViT模型准确率仅68.89%，而混合模型提升近27个百分点。

讨论部分强调，该研究具有三重创新价值：一是填补中东地区乳腺癌标准化数据空白，6159张图像规模远超现有公开数据集；二是首次验证混合架构在阿拉伯人群乳腺癌诊断的优越性，其95.12%的准确率为临床转化奠定基础；三是提出的患者级别数据划分方案增强模型可靠性。作者指出未来可拓展方向包括融合多模态影像数据，以及通过迁移学习验证模型在其他种族人群的泛化能力。这项研究不仅为中东地区乳腺癌筛查提供精准工具，更为医学AI领域开创了结合局部与全局特征分析的新范式。