3DViT-GAT：基于结构 MRI 数据的以大脑图谱为基础的 3D 视觉转换器和图学习框架用于抑郁症检测
计算机视觉与模式识别
2025-11-05 v3 人工智能
摘要
抑郁症（MDD）是一种流行的精神健康状况，对个人福祉和全球公共卫生都有负面影响。使用结构磁共振成像（sMRI）和深度学习（DL）方法自动检测 MDD 的前景日益广泛。现有大多数方法要么采用基于脑素层特征，要么基于来自预定义脑图谱的手工制作的区域表示，这限制了其捕捉复杂脑图案的能力。本文开发了一个统一的管道，用于从 sMRI 数据中提取 3D 区域嵌入，并使用图神经网络（GNN）进行分类。我们探讨了两种定义区域的方法：（1）使用预定义的结构和功能脑图谱的图谱方法，和（2）通过 ViT 直接识别均匀提取的 3D 块中的区域。进一步，生成余弦相似度图以建模区域之间的相互关系，并指导 GNN 分类。使用 REST-meta-MDD 数据集进行了广泛实验，以演示该模型的有效性。在分层 10 折交叉验证下，最佳模型获得了 81.51% 的准确率、85.94% 的灵敏度、76.36% 的特异度、80.88% 的精确度和 83.33% 的 F1 分数。进一步，图谱方法一致优于基于块的方法，突显了在 MDD 检测中使用领域特定解剖先验的重要性。
引用
@article{arxiv.2509.12143,
title = {3DViT-GAT: A Unified Atlas-Based 3D Vision Transformer and Graph Learning Framework for Major Depressive Disorder Detection Using Structural MRI Data},
author = {Nojod M. Alotaibi and Areej M. Alhothali and Manar S. Ali},
journal= {arXiv preprint arXiv:2509.12143},
year = {2025}
}
备注
17 pages, 3 figure, 9 tables