CSV-ViT: 一种基于可变大小皮层超顶点的视觉变换器用于阿尔茨海默病病理检测
计算机视觉与模式识别
2026-05-27 v1 人工智能
机器学习
摘要
确认阿尔茨海默病(AD)通常依赖于正电子断层扫描(PET),而该技术仍昂贵且侵入性。因此,基于结构 MRI 的早期筛查成为可能的替代方案。深度学习在非欧几里得流形上进行,特别是大脑皮层表面,面临显著挑战,因为数据具有球形拓扑。最近的表面模型已实现了从皮层表面数据进行学习;然而,强加基于面的统一补丁常会在补丁边界处导致重复顶点。此外,许多基于表面的模型在其对感兴趣区域(ROI)的 awareness 方面有限,这可能导致包括中壁等非皮层区域被纳入。在本研究中,我们提出了一种皮层表面分词方法,实现 ROI 保留、基于顶点的可变大小补丁划分。我们将这些皮层表面补丁称为皮层超顶点(CSVs)。基于此表示,我们设计了 CSV 视觉变换器(CSV-ViT),这是一种容忍可变大小补丁的视觉变换器,使用填充和面具感知的补丁嵌入。我们使用 T1 加权 MRI 对该框架进行评估,通过将 AD 相关状态分为三个类别进行分类:AD 诊断、淀粉样阳性和 tau 阳性。在实验中,CSV-ViT 的分类性能优于最近的基于表面的模型。结果表明,所提出的 CSV-ViT 可能支持基于 MRI 的 AD 相关状态预测,在 PET 或 CSF 确认之前发挥作用。
引用
@article{arxiv.2605.26514,
title = {CSV-ViT: A Vision Transformer with the Variable-sized Cortical Supervertices for Detection of Alzheimer's Disease Pathologies},
author = {Geonwoo Baek and Ikbeom Jang},
journal= {arXiv preprint arXiv:2605.26514},
year = {2026}
}