基于层次稀疏查询 Transformer 辅助超声筛查早期肝细胞癌的回顾性系统研究
计算机视觉与模式识别
2025-03-21 v2 人工智能
摘要
肝细胞癌（HCC）是全球癌症相关死亡的第三大原因，迫切需要改进早期检测以提高患者生存率。虽然超声因其成本效益和实时能力而成为首选的筛查方式，但其灵敏度（59%-78%）严重依赖于放射科医师的专业知识，导致诊断结果不一致和操作效率低下。人工智能技术的最新进展为弥合这一差距提供了有前景的解决方案。本研究引入了层次稀疏查询 Transformer（HSQformer），这是一种新颖的混合架构，通过潜在空间表示和稀疏学习，协同了卷积神经网络（CNN）的局部特征提取与视觉 Transformer（Vision Transformer）的全局上下文感知能力。通过混合专家（MoE）框架动态激活特定任务的专家模块，HSQformer 实现了无结构冗余的层次化特征集成。在单中心、多中心和高风险患者队列三个临床场景中的评估显示，HSQformer 优于最先进的模型（例如，在多中心测试中 AUC 达到 95.38%），其诊断准确性与资深放射科医生相当，同时显著超越初级同行。这些结果凸显了 AI 辅助工具在标准化 HCC 筛查、减少对人员专业知识的依赖以及提高早期诊断率方面的潜力。完整代码可在 https://github.com/Asunatan/HSQformer 获取。
引用
@article{arxiv.2502.03772,
title = {A Retrospective Systematic Study on Hierarchical Sparse Query Transformer-assisted Ultrasound Screening for Early Hepatocellular Carcinoma},
author = {Chaoyin She and Ruifang Lu and Danni He and Jiayi Lv and Yadan Lin and Meiqing Cheng and Hui Huang and Fengyu Ye and Lida Chen and Wei Wang and Qinghua Huang},
journal= {arXiv preprint arXiv:2502.03772},
year = {2025}
}