面向无PET的MRI淀粉样蛋白检测的跨模态知识蒸馏
计算机视觉与模式识别
2026-04-15 v1
摘要
检测淀粉样蛋白-β (Aβ) 阳性对于阿尔茨海默病的早期诊断至关重要，但通常需要PET成像，该方法成本高、有侵入性且不易普及，限制了其在人群筛查中的应用。我们通过提出一种PET引导的知识蒸馏框架来弥补这一不足，该框架仅凭MRI即可预测Aβ，在推理时无需非成像临床协变量或PET。我们的方法采用基于BiomedCLIP的教师模型，该模型通过跨模态注意力和基于PET信息（Centiloid感知）的在线负样本采样的三元组对比学习来学习PET-MRI对齐。然后，仅使用MRI的学生模型通过特征级和logit级蒸馏来模仿教师模型。在四种MRI对比度（T1w、T2w、FLAIR、T2*）和两个独立数据集上的评估表明，我们的方法实现了有效的知识迁移（OASIS-3上最佳AUC为0.74，ADNI上为0.68），同时保持了可解释性并消除了对临床变量的需求。显著性分析证实，预测聚焦于解剖学相关的皮层区域，支持了无PET的Aβ筛查的临床可行性。代码可在 https://github.com/FrancescoChiumento/pet-guided-mri-amyloid-detection 获取。
引用
@article{arxiv.2604.12574,
title = {Cross-Modal Knowledge Distillation for PET-Free Amyloid-Beta Detection from MRI},
author = {Francesco Chiumento and Julia Dietlmeier and Ronan P. Killeen and Kathleen M. Curran and Noel E. O'Connor and Mingming Liu},
journal= {arXiv preprint arXiv:2604.12574},
year = {2026}
}
备注
Accepted to CVPR Workshops 2026 (PHAROS-AIF-MIH)