BrainRotViT：用于3D sMRI脑老化可解释建模的Transformer-ResNet混合架构
计算机视觉与模式识别
2025-11-21 v2 机器学习
摘要
从结构MRI准确估计脑年龄是研究衰老和神经退行性变的有价值的生物标志物。传统的回归和基于CNN的方法面临局限性，如手动特征工程、有限的感受野和对异质数据的过拟合。纯Transformer模型虽然有效，但需要大型数据集和高计算成本。我们提出了Brain ResNet over trained Vision Transformer (BrainRotViT)，一种混合架构，结合了视觉Transformer(ViT)的全局上下文建模与残差CNN的局部细化。首先在辅助的年龄和性别分类任务上训练ViT编码器以学习切片级特征。然后将冻结的编码器应用于所有矢状切片，生成嵌入向量的2D矩阵，该矩阵被馈送到残差CNN回归器中，该回归器在最终全连接层结合受试者性别以估计连续脑年龄。我们的方法在涵盖超过130个采集站点的11个MRI数据集的验证中实现了3.34年的MAE(Pearson , Spearman , )，优于基线和最先进的模型。它还在4个独立队列中表现良好，MAE在3.77到5.04年之间。对脑年龄差距(预测年龄与实际年龄之差)的分析表明，衰老模式与阿尔茨海默病、认知障碍和自闭症谱系障碍相关。模型注意力图突出了与衰老相关的脑区，特别是小脑蚓部、中央前回和中央后回、颞叶以及内侧额上回。我们的结果表明，该方法为脑年龄预测提供了一个高效、可解释且可推广的框架，弥合了基于CNN和基于Transformer的方法之间的差距，同时为衰老和神经退行性变研究开辟了新途径。
引用
@article{arxiv.2511.15188,
title = {BrainRotViT: Transformer-ResNet Hybrid for Explainable Modeling of Brain Aging from 3D sMRI},
author = {Wasif Jalal and Md Nafiu Rahman and Atif Hasan Rahman and M. Sohel Rahman},
journal= {arXiv preprint arXiv:2511.15188},
year = {2025}
}