基于多级特征增强与双注意力机制的高效骨质疏松诊断模型研究

本研究针对骨质疏松早期诊断的临床挑战，创新性地提出融合双注意力机制(DA)与多级特征融合(MLFF)的深度学习模型。以EfficientNetV2为骨干网络，结合深度语义提取(DSE)模块，显著提升膝关节X光图像关键区域识别能力。实验表明该模型在召回率(Recall)、精确度(Precision)、F1值和准确率(Accuracy)上全面超越现有方法，尤其降低假阳性率，为临床提供更可靠的AI辅助诊断工具。

　　

骨质疏松被称为"沉默的流行病"，全球约2亿患者深受其害，仅美国每年相关医疗支出就超200亿美元。这种以骨密度(BMD)下降为特征的疾病，常导致髋部、脊柱等部位骨折，致残率高达50%。虽然双能X线吸收法(DXA)是诊断金标准，但其存在辐射暴露、设备昂贵等局限，尤其在基层医疗机构普及率不足30%。更棘手的是，传统方法难以捕捉骨微结构的早期病变，当患者出现明显症状时，往往已错过最佳干预时机。

韩国全北国立大学(Chosun University)信息与通信工程系的Routhu Srinivasa Rao团队在《Neurocomputing》发表的研究，开创性地将计算机视觉前沿技术应用于骨质疏松诊断。研究人员采用EfficientNetV2作为基础架构，通过深度语义提取(DSE)模块解析X光图像中的空间上下文信息，结合特征金字塔网络(FPN)实现多尺度特征捕获。最具突破性的是引入双注意力机制(DA)，使模型能像经验丰富的放射科医生那样，自动聚焦于骨小梁微结构等关键区域。

技术方法上，研究团队使用Mendeley提供的膝关节X光数据集，包含骨质疏松(49例)、骨量减少(154例)和正常(36例)三类样本。通过图像分割将双下肢影像分解为单侧样本，最终构建380例的数据集。模型训练采用PyTorch框架，在2块GeForce RTX 3090显卡上实现，通过消融实验验证各模块贡献。

多级特征融合的有效性
实验显示，结合DSE与MLFF的架构使F1值提升12.7%，证明多层次特征整合能更全面反映骨微结构变化。特征金字塔成功捕获了从宏观骨形态到微观骨小梁的多尺度信息。

注意力机制的优化作用
双注意力模块使模型在髌骨下极、胫骨平台等关键区域的关注度提升3.2倍，假阳性率降低19.8%。可视化分析表明，注意力权重分布与临床关注的骨质疏松特征区域高度吻合。

横向性能对比
与ResNet50、DenseNet201等基准模型相比，本研究的Recall达到94.3%，超越现有最优方法6.5个百分点。特别在骨量减少的早期识别上，AUC值达0.923，显示其在亚临床期诊断的潜力。

这项研究的临床意义在于：首先，提出的DA-MLFF框架首次实现膝关节X光片的自动化骨质疏松筛查，弥补DXA设备不足地区的诊断缺口；其次，模型对骨量减少的敏感检测为早期干预创造窗口期；最后，可解释性强的注意力可视化辅助医生定位病变区域。未来若能在更大样本中验证，该技术或将成为骨质疏松分级诊疗体系的重要组成，特别是对老年人群和绝经后妇女的定期筛查具有重要价值。