基于双分支交叉注意力网络的鼓膜图像多分类诊断模型优化研究

《Scientific Reports》：Optimization research on a multi-classification diagnostic model for tympanic membrane images based on a dual-branch cross-attention network

　　鼓膜图像的准确分类对于中耳疾病的早期诊断至关重要。现有的深度学习方法主要依赖单网络架构，而目前从自然图像任务中借鉴的混合CNN-Transformer设计尚未针对鼓膜图像独特的局部-全局耦合特性进行适配，且固有的类别不平衡问题进一步制约了少数类的识别。本文提出DBCANet——一种双分支交叉注意力网络，融合EfficientNet-B4分支提取局部细粒度特征，并利用Swin Transformer分支捕获全局上下文表示。双向多头交叉注意力融合模块实现了两个分支之间的自适应信息交换，从而达成局部与全局特征的深度互补融合。同时引入结合类别频率加权与焦点机制的复合损失函数，以缓解类别不平衡问题。在由两个公共数据集和一个三级医院整合而成、包含5,216张鼓膜图像（涵盖五个类别）且按患者级别划分的数据集上，DBCANet的分类准确率达到94.05±0.28%，宏平均F1值达到92.99±0.27%，显著优于十种代表性基线方法（配对t检验，*p*<0.01）。留一数据源和留一设备实验验证了模型具有一致的跨源泛化能力，受控图像退化实验表明其在各竞争方法中稳健性差距最小。校准分析显示，经温度缩放后期望校准误差为1.86%；基于置信度阈值的转诊策略在τ=0.85时实现了78.6%的覆盖率与98.1%的准确率，支持安全的人机协同部署流程。消融实验与Grad-CAM可视化进一步验证了各模块的贡献及模型在临床上的可解释性。