基于Vision Transformer与机器学习的CT影像肺结节分类新方法：提升诊断准确性与泛化能力

本研究针对CT影像中肺结节良恶性鉴别难题，创新性地整合Vision Transformer(ViT)与机器学习技术，开发了端到端ViT模型、深度特征提取和放射组学三种分类策略。通过435例患者数据验证，ViT模型在内外测试集分别达到92%和91%准确率，TabTransformer结合深度特征AUC达96%。研究证实Transformer架构在医学影像分析中的优越性，为肺癌早期诊断提供了高精度AI解决方案。

　　

肺结节的良恶性鉴别是肺癌早期诊断的关键挑战，传统方法依赖放射科医师经验且存在主观差异。随着人工智能技术的发展，深度学习尤其是Vision Transformer(ViT)在医学影像分析领域展现出巨大潜力，但其在肺结节分类中的最优应用策略尚未明确。同时，传统放射组学方法虽具可解释性，但特征提取能力有限。如何整合新兴技术与传统方法，构建高精度、可泛化的分类模型成为当前研究热点。

中国研究人员在《Journal of Radiation Research and Applied Sciences》发表的研究，系统比较了三种肺结节分类策略：端到端ViT模型、基于ViT深度特征的传统/先进机器学习模型（SVM/Random Forest/XGBoost/CatBoost/TabNet/TabTransformer）、以及215个手工放射组学特征方法。研究采用435例患者CT数据（241良性/194恶性）进行训练，并在独立外部测试集（99例）验证，通过5折交叉验证和SHAP分析确保结果可靠性。

关键技术方法包括：1) 多中心CT影像标准化预处理（Hounsfield单位归一化、放射科医师手动校正分割）；2) 混合ViT架构（CNN层+Transformer编码器+补丁嵌入）；3) 三类特征处理策略（PCA/RFE/MI）；4) 超参数网格搜索优化；5) 统计验证（Wilcoxon检验/McNemar检验/DeLong检验）。

研究结果方面：
3.1 患者特征分析显示训练集与测试集在年龄、吸烟史、结节类型等关键指标上均衡分布，保障了模型验证的可靠性。

3.2 SHAP特征重要性分析揭示：

• 放射组学中3D纹理特征（ngl_dc_var_3D、cm_sum_avg_3D_comb）和形态特征（morph_pca_flatness）最具判别力
• 深度特征中空间异质性指标（ngl_lde_3D_comb）和强度分布（stat_p10）贡献显著

3.3 模型性能比较显示：

• 端到端ViT在训练/内部/外部测试集分别达到94%/92%/91%准确率，AUC达96%/93%/92%
• 深度特征提取中TabTransformer表现最优（外部测试AUC 93%），显著优于传统SVM（AUC 75%）
• 放射组学方法中TabNet表现最佳（外部测试AUC 92%），证明手工特征仍具竞争力

3.6 综合分析表明：

• RFE特征选择策略显著优于PCA/MI（p<0.05）
• ViT与深度特征模型AUC显著高于纯放射组学方法（DeLong检验p<0.05）
• 模型间差异主要源于对3D空间异质性的捕捉能力

讨论部分指出，该研究首次系统验证了ViT在肺结节分类中的三重应用范式。端到端ViT通过自注意力机制实现全局-局部特征协同学习，其性能与最新文献报道的融合模型相当，但仅需单模态CT数据。深度特征提取策略中，TabTransformer展现出对高维特征关系的卓越建模能力，为医学影像的"黑箱"问题提供了解释路径。研究同时证实，经过优化的放射组学特征仍可达到临床可用精度，这对资源有限的医疗机构具有实用价值。

该研究的创新性体现在：1) 开发首个整合CNN与Transformer的肺结节专用ViT架构；2) 首次系统比较ViT深度特征与放射组学特征的价值；3) 验证TabNet/TabTransformer在医学影像分析中的迁移适用性。局限性在于样本来源相对单一，未来需扩大多中心验证。研究为AI辅助肺癌诊断提供了方法论框架，其技术路线可扩展至其他医学影像分类任务。