面向X射线影像自动牙病分类的空间-语义双图Transformer框架

《Intelligent Data Analysis》：A spatial–semantic dual-graph transformer framework for automated dental disease classification from X-ray images

　　

人工智能（AI）正在通过实现更快速、更准确的诊断工作流改变现代医疗，尤其在基于影像的临床分析中。在牙科学中，由于细微的解剖变异、重叠结构以及低对比度病灶，利用X射线影像早期检测牙病仍具挑战。为应对这些局限，本研究提出一种创新的AI驱动框架，用于基于X射线影像的自动牙病分类，采用空间-语义双图Transformer神经网络（SSDGT-Net）。系统首先采集牙科X射线影像，并通过对比度增强与降噪改善其质量。随后利用YOLOv10自动分割牙齿区域以隔离相关牙体结构。分割后，利用熵卷积神经网络（Entropy-CNN）提取纹理、形状与边缘等有意义特征。这些特征通过跨注意力特征融合网络（CAFF-Net）与统计及几何描述子结合，以强化整体表征。融合特征集随后输入所提SSDGT-Net，将牙病分类为龋洞（cavity）、充填（filling）与种植体（implants）三类。实验结果表明，相较现有方法，所提系统在准确率、鲁棒性与可解释性上均更优，使其成为临床环境中可靠实时牙病检测的有力工具。

研究背景方面，牙病影响全球数十亿人，龋病、牙周病、根尖周病变等常隐匿进展至晚期才被确诊。以根尖片、咬翼片与全景X射线为代表的影像评估虽提供牙体完整性、骨密度及病理异常等关键结构信息，但人工判读受主观性、观察者间差异及低对比度、解剖重叠、病灶表浅等因素干扰，诊断误差难以避免。尽管卷积神经网络（CNN）、视觉Transformer（ViT）及混合模型在医学影像中表现突出，牙科X射线仍面临设备与体位导致的对比度、噪声、几何与光照波动，修复体、种植体及伪影进一步削弱模型性能；同时公开标注数据集规模小、多样性低、标签不一致，限制泛化能力。为此，研究人员开展一项集成最优预处理、混合融合分类、多尺度深度特征提取、注意力增强学习与空间-语义关系建模的研究，旨在构建可耐受病灶复杂度、解剖多样性和采集环境变化的可靠框架，论文发表于《Intelligent Data Analysis》。

关键技术方法上，研究人员采用牙科X射线影像队列（未指明具体公共或私有库名，仅述及经预处理与增强），依次实施五步流程：高斯低通滤波降噪联合对比度受限自适应直方图均衡化（CLAHE）预处理；YOLOv10无锚框检测定位牙齿边界框并提取感兴趣区域（ROI）；熵卷积神经网络（Entropy-CNN）计算局部灰度熵图并重加权卷积以突出高信息区；跨注意力特征融合网络（CAFF-Net）将CNN特征与统计（均值μ、标准差σ、偏度γ、峰度δ）、形态（周长P、面积A、凸度C）及几何边缘（Sobel+Canny）描述子线性投影后做交叉注意力加权融合；空间-语义双图Transformer（SSDGT-Net）将融合特征分块为N个节点，分别构建以质心欧氏距离加权的空间邻接图G_s与以余弦相似度加权的语义相似图G_m，双图各自计算softmax归一化注意力系数α^(s)_ij、α^(m)_ij并聚合邻域消息，输出上下文增强表征送入分类头判定cavity/filling/implants三类。

研究结果部分，各小节结论如下。图像预处理节指出，原始X射线I(x,y)经高斯核G_σ(x,y)卷积得去噪图I_d(x,y)，再经分块直方图裁剪阈值τ限幅与累积分布函数（CDF）重映射得增强图I_e(x,y)=I_pre，该流程在保留釉质、牙槽骨边界的同时抑制均匀软组织冗余响应。YOLOv10牙齿区域分割节表明，以复合损失L_YOLO=L_reg+L_obj+L_cls（CIoU回归）训练的无锚框检测器在交并比（IoU）、精确率与召回率上稳定，能从重叠解剖与低对比度中提取边界框b_i=(x_i,y_i,w_i,h_i,c_i)并裁剪ROI重定尺寸至(H,W)，轻微定位误差被后续熵加权与跨注意力容忍。熵-CNN特征提取节显示，局部熵E(x,y)=-Σp_klog p_k重加权I_n得I_E，再经熵感知卷积F_e(u,v)=Σ_ΩωI_E与批归一化（BN）-ReLU堆叠产出张量F_CNN∈R^{H_f×W_f×C_f}，使微龋、牙周骨丧失等异质区响应放大。CAFF-Net跨注意力融合节论证，辅助描述子F_stat、F_shape、F_geo经可学习W_i投至统一维d后与CNN嵌入做Query-Key-Value交叉注意力F_attn=softmax(QK^T/√d)V，最终F_fused=F′_cnn⊕F_attn，弥补CNN对全局语义与形态边界捕捉不足。SSDGT节结论为，双图注意力传播令节点h_i同时吸收空间邻域（牙弓排列、邻面间隙）与语义近邻（对称磨牙形态、骨水平梯度）信息，分类头在cavity/filling/implants三类的准确率、鲁棒性优于NASNet、EfficientNet-B0、VGG-16等对比模型。

讨论与结论翻译部分，研究人员总结：现有CNN牙病分类模型在真实临床中因影像质量、对比度及解剖差异而精度不稳，小标注集与重叠结构进一步制约泛化；所提SSDGT-Net通过高斯降噪+CLAHE、YOLOv10定位、Entropy-CNN熵先验、CAFF-Net跨注意力及空间-语义双图Transformer五级级联，在隔离牙齿ROI内融合纹理/形状/边缘/统计/几何多描述子，以双图注意力建模长程依赖，实验证明其在准确率、鲁棒性与可解释性上均超越既往方法，可作为资源受限场景的实时辅助筛查工具；未来方向包括扩充多中心标注队列、引入像素级语义分割分支及可解释AI（XAI）热力对齐以增强医师信任。