利用基于注意力的深度学习模型和特征融合技术，对轴向计算机断层扫描图像中的自动肾结石识别过程进行建模

《Engineering Applications of Artificial Intelligence》：Modeling of automated renal lithiasis identification using feature fusion with attention-based deep learning model on axial computed tomography images

肾结石自动识别研究提出融合多模型与注意力机制的深度学习方案，通过噪声消除、特征归一化预处理，结合MaxViT、EfficientNetV2等模型进行多轴特征融合，采用时空卷积网络与注意力机制实现分类，并利用Grad-CAM可视化关键区域。实验在生物医学影像数据集上取得98.73%的测试准确率。

　　

Rania Aboalela|Mohammed K. Al-Hanawi|Mohamed Alqurashi|Sana G. Alattas|Rasha J. Atwah|Mahmoud Ragab

沙特阿拉伯拉比格国王阿卜杜勒-阿齐兹大学计算机与信息技术学院信息系统系

摘要

肾结石疾病是一个主要的健康问题，随着饮食变化、健康问题、超重以及缺乏可靠的补充剂等因素，该问题变得愈发危险。计算机断层扫描（CT）是医疗专业人员用于识别肾结石的成像技术之一。如今，多个医学成像领域已经采用了深度学习和计算机视觉方法。深度学习方法具有自动化识别肾结石特征的潜力。在本文中，提出了一种基于特征融合和注意力机制的深度学习模型（ARLI-FFADLM）来实现自动肾结石识别。该模型的目标是开发一种有效、准确的自动化诊断方法。首先，图像预处理阶段包括两个层次：降噪和特征归一化，以通过消除噪声来提高图像质量。为了有效提取特征，ARLI-FFADLM模型采用了多轴视觉变换器（Multi-Axis Vision Transformer）、EfficientNetV2、GhostNet和Inception-ResNetV2等融合模型来捕捉和突出肾结石的最相关视觉模式。此外，还应用了带有注意力机制的时间卷积网络进行肾结石分类。最后，通过梯度加权类激活映射（Gradient-Weighted Class Activation Mapping）来可视化影响模型预测的关键区域。在生物医学成像数据集上进行的广泛实验表明，ARLI-FFADLM模型的准确率达到了98.73%（训练集与测试集比例为80:20）。

引言

肾脏疾病是一个严重的健康问题，可能导致肾脏功能丧失，若不及时治疗甚至可能导致死亡。早期发现对于预防肾囊肿、肾积水及肾结石等疾病的进展至关重要（Yildirim等人，2021；Elton等人，2022；Caglayan等人，2022）。越来越多的人出现肾脏问题，但能够治疗这些疾病的肾脏专家却相对不足。因此，迫切需要自动医疗应用来帮助实现肾脏疾病的早期和精准检测（Liu等人，2022）。大约9%的美国人口在其一生中的某个阶段会患上肾结石，这种病症也被称为肾结石病或尿石症。全球范围内，肾结石的发病率在1.7%到14.8%之间。多种因素导致了其发病率的上升，包括饮食习惯和生活方式的变化等（Asif等人，2024）。确定最佳的治疗方案非常复杂，因为它取决于结石的大小、形状、类型和位置等因素。患有肾结石的人常常会出现呕吐、疼痛和发烧等症状，但这些症状常被误诊为其他疾病的征兆。肾结石会妨碍肾脏的扩张和正常功能（Mukherjee等人，2023；Zhang等人，2022）。因此，在早期阶段识别肾结石对于提供适当的治疗至关重要。目前，生物医学成像在科学研究和医疗实践中发挥着重要作用。医学成像利用技术生成内脏器官的可视化图像以供医疗评估使用（Patro等人，2023）。对于肾结石的诊断，最可靠的方法包括计算机辅助成像技术，如计算机断层扫描（CT）、超声波检查和静脉肾盂造影（IVP）X光。许多医疗机构选择CT成像来诊断肾结石，因为其能够方便地获取三维图像（Babajide等人，2022）。

CT技术的发展对医生和患者都至关重要，因为它在诊断有症状和无症状患者的肾结石方面既实用又有效。此外，CT图像可以确定结石的大小和位置，从而评估结石是否可以通过非手术方式排出（De Perrot等人，2019；Nalinipriya等人，2025；Wang等人，2025）。医学图像处理通常依赖于放射科医生的专业知识，他们通过主观方法分析这些图像并得出结论。由于各种医学成像技术的迅速普及，手动分析在时间和资源上变得愈发困难（Lang等人，2023）。为了解决这个问题，深度学习（DL）技术被用来模拟人类观察和解释视觉信息的方式，利用计算方法自动化医学图像的分类，以支持诊断（Kharfi等人，2025）。过去几十年中，由于计算硬件和人工智能（AI）的飞速发展，计算模型变得越来越高效。利用计算机辅助模型分析医学图像对病理学家来说非常有益，有助于图像分类和增强。因此，计算机辅助诊断（CAD）在实践和理论上都变得越来越不可或缺，成为医学科学领域的一项重大进展（Li等人，2019）。使用计算机视觉（CV）方法自动分析和处理医学图像具有许多独特优势（Abdimurotovich等人，2024）。基于深度学习的模型可用于评估未经增强的CT图像，以设计精确可靠的解剖模型，为手术提供支持，并预测手术的成功率和治疗效果（Li等人，2023）。

本文提出了一种基于特征融合和注意力机制的深度学习模型（ARLI-FFADLM）来实现自动肾结石识别。本研究的主要贡献如下：

提出了一种ARLI-FFADLM模型，利用先进技术实现医学成像中肾结石的准确和自动化识别。

图像预处理阶段包括两个层次：降噪和特征归一化，以提高图像质量。

ARLI-FFADLM模型采用了多轴视觉变换器（MaxViT）、EfficientNetV2、GhostNet和Inception-ResNetV2等融合方法进行特征提取。

最终，在肾结石分类模型中应用了带有注意力机制的时间卷积网络（TCN-A）。

使用梯度加权类激活映射（Grad-CAM）来可视化影响模型预测的关键区域，提高了基于融合的架构的可解释性。

实验结果表明，ARLI-FFADLM模型优于其他现有方法。

关于肾结石识别的文献综述

Rathva和Degadwala（2025）提出了一种集成深度学习（DL）方法，使用微调的VGG-16模型将肾CT扫描图像分为四种类型：正常、囊肿、肿瘤和结石。该方法结合了VGG-16网络和迁移学习（TL）模型，以捕捉更高层次的领域特定特征。集成模型用于增强模型强度并减少不一致性，通过整合多个微调实例的预测来提高泛化能力。

提出的方法

本文在轴向CT成像中开发了ARLI-FFADLM模型。该模型的目的是利用创新技术实现医学成像中肾结石的自动和精准检测。它包括图像预处理、迁移学习和分类模型。图1展示了ARLI-FFADLM方法的完整流程。

性能分析

在轴向CT成像数据集上验证了ARLI-FFADLM模型的性能。该模型在Python 3.6.5环境下运行，配备了i5-8600k CPU、4 GB GPU、16 GB RAM、250 GB SSD和1 TB HDD，学习率为0.01，使用ReLU激活函数、50个训练周期、0.5的丢弃率和批量大小为5。模型通过平衡采样有效处理了类别不平衡问题，并在患者级别的训练-测试分割后严格进行了数据增强，以保留所有增强后的变体。

结论

本文提出了一种在轴向CT成像中使用的ARLI-FFADLM模型。该模型的目标是利用先进技术实现医学成像中肾结石的自动和准确检测。首先，图像预处理阶段包括降噪和特征归一化两个层次，以去除噪声。为了有效提取特征，ARLI-FFADLM模型执行了MaxViT等融合方法。

CRediT作者贡献声明

Rania Aboalela：撰写初稿、可视化处理、正式分析、资金获取。 Mohammed K. Al-Hanawi：撰写初稿、方法论设计、研究实施、概念构思、监督。 Mohamed Alqurashi：概念构思、方法论设计、研究实施、正式分析、撰写与编辑。 Sana G. Alattas：可视化处理、数据整理、撰写与编辑。 Rasha J. Atwah：正式分析、软件开发、资源协调、撰写与编辑。 Mahmoud Ragab：

参与同意书

不适用。

知情同意

不适用。

伦理审批

本文不包含任何由作者进行的涉及人类参与者的研究。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本项目由沙特阿拉伯吉达国王阿卜杜勒-阿齐兹大学的科学研究处（DSR）资助，资助编号为（IPP: 301-865-2025）。作者感谢DSR在技术和资金上的支持。