《Computational Biology and Chemistry》：YOLOv10-PDTFN: An Integrated ROI Segmentation and Transformer Fusion Framework for Osteoporosis Classification in Knee Radiographs
编辑推荐：
•改进的YOLOv10能够准确定位胫股关节感兴趣区域（ROI）。•PDTFN融合变换器和时间特征以实现分类。•AdaBelief优化器提高了训练稳定性和收敛效率。•Eigen-CAM突出显示具有临床意义的骨区域，辅助决策。•在正常、骨量减少和骨质疏松各阶段均实现了高精度。引言
- •
改进的YOLOv10能够准确定位胫股关节感兴趣区域（ROI）。
- •
PDTFN融合变换器和时间特征以实现分类。
- •
AdaBelief优化器提高了训练稳定性和收敛效率。
- •
Eigen-CAM突出显示具有临床意义的骨区域，辅助决策。
- •
在正常、骨量减少和骨质疏松各阶段均实现了高精度。
引言
骨质疏松症是一种慢性骨骼疾病，其特征为骨矿物质密度进行性降低和骨微观结构的退化，该病会增加骨折和骨脆性风险（Li等，2024）。对于老年人，尤其是绝经后女性，骨质疏松症被认为是最主要的公共卫生问题之一。膝关节、脊柱和髋关节是骨质疏松性骨折常见的受累部位，这些骨折会导致疼痛、残疾、生活质量下降以及高昂的医疗费用（Roy和Banik，2026）。因此，骨质疏松症的准确早期检测对于及时的治疗干预和预防疾病进展至关重要（Mewada等，2025）。
目前，双能X射线吸收测定法（DXA）是测定骨矿物质密度的临床标准方法（Tamai等，2025）。尽管DXA能够对骨密度进行定量评估，但在实际应用中仍存在各种限制（Dias等，2025）。该检测通常无法在基础医疗环境中提供，需要专用设备和培训专业人员，并且对局部骨骼结构变化提供的信息有限（Khan等，2025a；Khan等，2025b）。另一方面，常规膝关节X线摄影在医院中经常进行，价格合理，并且能够提供关于松质骨和皮质骨改变的宝贵结构数据（SK和Areeckal，2025），显示出其作为机会性骨质疏松筛查的辅助影像工具的巨大潜力（Tang等，2025）。
尽管髋部和腰椎的骨矿物质密度测量常用于骨质疏松症的诊断，但多项临床研究已经表明，承重关节，尤其是膝关节，也会出现与骨质疏松症相关的结构改变（Alshamrani和Alshamrani，2024）。与年龄相关的骨质流失会逐渐改变胫股关节的皮质骨厚度、松质骨纹理和骨骼结构，而胫股关节含有大量的松质骨和皮质骨（Sangula和SP，2026）。常规膝关节X线影像能够显示这些结构变化，特别是在远端股骨和近端胫骨周围，这些信息可能为骨质疏松症筛查提供诊断数据（Muhammad等，2025）。由于膝关节X线摄影通常在创伤、骨关节炎和关节疼痛等骨科检查中常规进行，因此这些影像为机会性骨质疏松评估提供了良机，无需额外的影像检查或额外的辐射暴露（Khan等，2025a；Khan等，2025b）。
本文提出的框架并非旨在取代DXA，DXA仍然是骨质疏松症诊断的临床参考标准（Narayanan等，2026）。相反，本文旨在将其作为一种自动筛查技术，用于发现可能更容易患骨质疏松症、可能从DXA进一步检测或更全面的临床评估中获益的个体（Zhou等，2025）。在DXA稀缺的医疗环境中，或者当患者膝关节X线摄影是常规临床诊疗的一部分时，这种机会性筛查可能有助于早期发现骨质疏松症（Pattnaik等，2026）。
得益于深度学习技术的最新进展，医学影像的计算机辅助诊断能力已大幅提升（Ho等，2025a；Ho等，2025b）。尽管基于变换器的设计在建模长程空间关系方面表现出色，但卷积神经网络（CNNs）已被证明能够自主地学习判别性图像表征（Bo等，2024）。多项研究已将CNNs、视觉变换器、混合CNN-变换器模型和注意力机制应用于骨质疏松症分类（Dinda等，2025）。尽管取得了这些进展，但仍存在显著障碍。许多现有技术检查整幅X线影像，而非专注于具有临床意义的解剖区域，导致无关的背景信息影响预测结果（Muzaffar等，2025）。此外，由于基于CNN的方法主要采集局部纹理信息，同时保留精细的松质骨图案和大规模结构特征颇具挑战性。相比之下，变换器模型则更关注全局上下文组件。另外，现有的特征融合技术较为表面，往往难以有效整合来自不同表征层级的互补数据。
当前研究的另一个缺陷是，在特征学习过程中很少考虑疾病进展信息。大多数骨质疏松症分类模型将每幅X线影像独立处理，未纳入能够模拟骨骼结构渐进性改变的过程。此外，一些已发表的研究仅提供了分类结果，缺乏充分的可视化解释，这降低了临床医生对自动化决策的信心。鉴于上述局限性，需要一个框架，将精确的区域定位、高效的多尺度特征提取、自适应特征融合和可解释的预测整合到一个统一的架构中。
为克服上述缺陷，本研究提出了一种YOLOv10引导的并行动态变换器融合网络（YOLOv10-PDTFN），用于膝关节X线影像的多类别骨质疏松症分类。所提出的框架首先使用改进的YOLOv10检测器精确识别胫股关节区域，在分类之前去除无关的背景信息。PSTU并行学习局部和全局结构表征，DSCMU通过捕捉渐进性结构关系来改进特征建模。然后，PSSAF模块自适应地融合空间和时间表征，以生成更具判别力的分类特征。最后，采用Eigen-CAM可视化技术提供预测过程的临床相关解释，并使用AdaBelief优化器增强训练稳定性和收敛性。
本工作的贡献总结如下：
- •
开发了一种改进的YOLOv10框架来检测胫股关节区域，实现准确的感兴趣区域聚焦分类。
- •
提出了一种新颖的PDTFN分类器，集成了并行空间变换器、动态时序记忆和渐进式空间-时序特征融合，以实现对骨质疏松阶段的鲁棒检测。
- •
采用AdaBelief优化器实现稳定的参数优化和改进的收敛性。
- •
应用Eigen-CAM可视化增强模型可解释性，突出显示具有临床意义的骨骼结构。
本文后续各节组织如下：第2节回顾了基于深度学习的方法和骨质疏松症检测的相关研究。第3节详细描述了所提出的YOLOv10-PDTFN框架。第4节展示了评估结果和性能比较的详细信息，并讨论了研究的意义、局限性和未来方向。最后，第5节对研究进行了总结。
各节摘要
文献综述
骨质疏松症是一种退行性骨病，其主要表现为骨密度降低和骨折风险升高。早期诊断和选择合适的治疗方案对于管理和减轻骨质疏松症的风险至关重要。在医学影像和机器学习领域，为早期检测和诊断骨质疏松症取得了显著进展。本节总结了相关文献中的最重要发现，并探讨了前沿方法。表1展示了
方法论
本研究提出了一种YOLOv10引导的并行-动态变换器融合网络（YOLOv10-PDTFN），用于膝关节X线影像的多类别骨质疏松症分类。该框架包括两个主要阶段：感兴趣区域（ROI）检测和分类。首先，使用改进的YOLOv10检测器定位胫股关节区域（TJR）。三个核心模块包括：上下文感知与增强捕捉模块（C2A）、自适应感受野
结果与讨论
本节将介绍我们提出的模型的实验设置、参数设置、评估指标和实验结果。此外，我们的方法在骨质疏松症分类准确率方面持续优于现有的最先进基线方法。
结论
本研究提出了一种独特的YOLOv10-PDTFN，用于从膝关节X线影像中自动分类骨质疏松阶段。该方法通过将自适应空间-时序特征融合与精确的感兴趣区域定位相结合，解决了背景噪声、细微松质骨纹理变化以及可解释性有限等主要问题。根据实验数据，所提出的方法在二分类和
伦理审批
本文不包含由任何作者对参与者或动物进行的研究。
未引用的参考文献
（Rao等，2022；Xie等，2024）
CRediT作者贡献声明
Gunupudi Dr. Sai Chaitanya Kumar：软件、资源、项目管理、方法论、调查研究。S. Ravi Kishan：验证、监督、软件、资源、项目管理。Channapragada Dr. Rama Seshagiri Rao：写作——初稿、可视化、项目管理、方法论、调查研究。Raju Dr. Yeligeti：验证、监督、形式分析、数据整理、概念构思。Harikiran Dr. J.：写作——审阅与编辑、写作——初稿，
利益冲突声明
作者声明不存在可能影响本文所报告工作的已知竞争经济利益或个人关系。
致谢
我们声明本文稿具有原创性，此前未曾发表，且目前未在其他地方考虑发表。
作者贡献
作者确认独自负责以下工作：研究构思与设计、数据收集、结果分析与解释，以及手稿准备。
J. Harikiran|S. Ravi Kishan|Rama Seshagiri Rao Channapragada|Yeligeti Raju|Sai Chaitanya Kumar Gunupudi
