来源：期刊VIP网 时间：
作者：蔡晓宇;汪宇玲;
单位：东华理工大学信息工程学院;
摘要：膝骨关节炎（KOA）的早期检测与分级是改善慢性关节炎病患生活质量的重要诊断依据。文中提出一种基于多尺度焦点自注意力的KOA分级模型MSFFormer。该模型将显性空间先验技术与自注意力机制相结合，设计Y轴向空间衰减机制来构建二维显性空间先验矩阵，并结合自注意力机制提出多尺度焦点注意力使模型更加关注KOA图像病变区域与相邻区域的关联特征，同时减少无关背景产生的注意力冗余。在公开膝骨关节炎数据集OAI上与其他先进方法相比，MSFFormer在早期KOA二分级任务与KOA 5类KL分级任务中Accuracy指标分别提升了1.73%、0.88%，证明所提方法更利于KOA早期检测与分级的辅助诊断。
关键词：计算机辅助诊断;;X线片图像;;膝骨关节炎;;深度学习;;Transformer;;自注意力机制
基金资助：国家自然科学基金项目（62066003）;; 国家留学基金项目（CSC202208360143）
