基于混合视觉Transformer与深度学习的CT肺动脉造影扫描肺栓塞检测技术突破

本研究针对肺栓塞(PE)这一致命性心血管疾病诊断难题，开发了集成ResNet50、DenseNet121和Swin Transformer的混合深度学习框架。通过创新的预处理流程（包含自编码器降维、离散小波变换和Sobel边缘检测），在RSNA-STR数据集上取得97.80%准确率和0.99 AUROC，显著优于现有ViT和CNN方法，为临床决策提供可靠支持。

　　

肺栓塞(PE)作为仅次于心肌梗死和卒中的第三大心血管杀手，每年在全球造成惊人死亡率。当血栓阻塞肺动脉时，就像给肺部供氧系统按下"暂停键"，患者可能在确诊前就猝死——数据显示34%的PE死亡发生在诊断前。虽然CT肺动脉造影(CTPA)是临床金标准，但放射科医生需要从300-500张CT切片中寻找毫米级的血栓信号，这种"大海捞针"式的工作不仅耗时费力，更可能因视觉疲劳导致漏诊。现有AI辅助诊断系统又面临两大技术瓶颈：传统CNN难以捕捉全局特征，而纯Transformer模型计算效率低下。

Abeer Abdelhamid团队在《Scientific Reports》发表的这项研究，开创性地将CNN的局部特征提取优势与Transformer的全局建模能力相结合。研究团队采用RSNA-STR公开数据集（包含12,000例CTPA扫描），通过患者级别的70:15:15划分确保数据独立性。关键技术包括：1）自编码器(AE)构建的预处理管道，将图像压缩至128维潜在空间；2）离散小波变换(DWT)四子带分解增强多尺度特征；3）Sobel算子边缘检测强化血栓边界；4）集成ResNet50、DenseNet121和Swin Transformer的堆叠模型，通过逻辑回归元学习器融合预测结果。

【数据预处理】研究团队设计的混合预处理管道展现出强大效能。自编码器将512×512 DICOM图像压缩至224×224×3尺寸，同时保留关键空间特征。DWT分解产生的LL、LH、HL、HH四个子带中，采用贝叶斯收缩阈值法滤除噪声，

可视化结果显示Sobel滤波器能显著增强血栓边缘对比度。

【模型架构】Swin Transformer的移位窗口机制突破传统ViT计算瓶颈，

其四阶段架构通过局部窗口自注意力有效捕获长程依赖。与CNN基线的对比试验显示，单独使用ResNet50准确率仅79.64%，而完整集成模型达到97.80%，证明混合架构的协同效应。

【性能验证】在优化器筛选中，SGD以97.80%准确率完胜Adam（89.81%）等替代方案。混淆矩阵显示模型仅产生0.57%假阳性，

这对避免过度医疗检查至关重要。ROC曲线下面积0.99表明近乎完美的二分类能力，

显著优于Condrea等前人研究（最高96.17%特异性）。

这项研究通过"CNN-Transformer"协同创新的技术路线，解决了医学影像分析中局部细节与全局上下文难以兼顾的经典难题。其临床价值不仅体现在创纪录的检测精度，更在于Grad-CAM热图提供的可解释性——让AI的决策过程对放射科医生变得透明。尽管当前模型仅支持二分类，但其架构为后续开发中央型/段亚段PE分级系统奠定基础。随着医疗AI逐步进入临床实践，这种兼顾性能与效率的设计范式，或将成为下一代智能辅助诊断系统的技术标杆。