层次注意力用于亚临床圆锥角膜的稀疏体积异常检测

在体积医学成像中检测微弱、空间分布的异常仍然具有挑战性，因为难以在非相邻区域之间整合微弱信号。本研究对十六种架构进行了受控比较，涵盖卷积、混合和Transformer家族，用于从三维前段光学相干断层扫描（AS-OCT）中检测亚临床圆锥角膜。结果表明，层次架构实现了21-23%的灵敏度和特异度提升，特别是在困难的亚临床领域，优于卷积神经网络（CNN）和全局注意力视觉Transformer（ViT）基线。机制分析表明，这种优势源于空间尺度对齐：层次窗口化产生了与亚临床异常中间范围匹配的有效感受野，避免了卷积模型中观察到的过度局部性和纯全局注意力的弥散整合特征。注意力距离测量表明，亚临床病例比健康或明显病理体积需要更长的空间整合，层次模型表现出更低的方差和解剖学上更连贯的焦点。表征相似性进一步表明，层次注意力学习了一种不同的特征空间，平衡了局部结构敏感性与灵活的长程交互。辅助的年龄和性别预测任务展示了中等程度的任务间一致性，支持这些归纳原则的泛化性。这些发现为体积异常检测提供了设计指导，并突出了层次注意力作为医学成像中早期病理变化分析的一种原则性方法。