基于改进Swin Transformer的膝骨关节炎X光影像自动诊断

来源：电子测量技术杂志2024年第19期北京时间：

作者：许超，王云健，刘洋，卢雪梅，丁勇

单位：辽宁大学物理学院 沈阳 110036

摘要：膝骨关节炎是老年人群体的常见疾病，具有较高的致残性。依托深度学习算法开展膝骨关节炎的自动诊断，具有重要的应用价值。为此，提出了一种基于改进Swin Transformer模型的膝骨关节炎X光影像自动诊断算法。通过两层全连接层加ReLU激活函数的结构替换颈部网络的全局平均池化层，对迁移学习进行保护；在头部网络中添加全连接层与Tanh激活函数，组合出更多非线性特征；在数据预处理和模型训练过程中，分别依托Albumentations库和添加Mixup模块以此实现数据增强处理。实验结果表明，所提算法能够有效提升膝骨关节炎X光影像的分类精度，在Kaggle网站的公开数据集上诊断精度达到76.0%；同时，经过在其他膝骨关节炎X光影像数据集与不同领域的医学影像数据集上进行泛化实验，结果表明其具有较好的泛化能力，进一步证明所提算法的有效性。

关键词：膝骨关节炎;Swin Transformer;全局平均池化;数据增强

基金资助：辽宁省研究生教育教学改革研究项目（LNYJG2022010）、辽宁省普通高等教育本科教学改革研究项目（2022-10140-11，2021-10140-11）、辽宁大学研究生优质在线课程建设与教学模式综合改革研究项目（YJG202202095，YJG202301021）、辽宁大学本科教学改革研究项目（JG2023CXCY04）资助