失落的失真：计算机视觉与脑成像之间领域差距的探索——关于年龄预测预训练的研究
计算机视觉与模式识别
2025-12-19 v1
摘要
大规模脑成像数据集为通过预训练开发领域基础模型提供了前所未有的机会。然而，与计算机视觉中的自然图像数据集不同，这些神经影像数据常常在质量上存在高度异质性，从结构完整的扫描到严重失真或不完整的脑体积不等。 这提出了一个根本性问题：噪声或低质量扫描是否能有意义地为预训练贡献，还是说反而阻碍模型学习？本研究系统性地探讨了数据质量水平在预训练中的作用及其对下游任务的影响。具体而言，我们在不同质量水平的数据集上进行预训练，并在外部队列上进行微调以进行脑龄预测。我们的结果显示，质量水平之间的显著性能差异揭示了机遇与局限性。我们进一步讨论了计算机视觉实践与临床神经影像标准之间的差距，强调了确保可信和可通用的领域特定基础模型所必需的领域感知数据清理。
引用
@article{arxiv.2512.01310,
title = {Lost in Distortion: Uncovering the Domain Gap Between Computer Vision and Brain Imaging -- A Study on Pretraining for Age Prediction},
author = {Yanteng Zhang and Songheng Li and Zeyu Shen and Qizhen Lan and Lipei Zhang and Yang Liu and Vince Calhoun},
journal= {arXiv preprint arXiv:2512.01310},
year = {2025}
}