TinyViT-Batten：用于早期婴儿磁性共振图像中检测巴腾病的可解释注意力少样本视觉变换器
计算机视觉与模式识别
2025-10-14 v1 人工智能
摘要
巴腾病（神经小体脂肪沉积痕）是一种罕见的儿童神经退行性疾病，其早期MRI征象微弱且常被忽视。我们提出TinyViT-Batten，一个基于少样本视觉变换器（ViT）的框架，用于从儿童脑部MRI中检测早期巴腾病。我们将大型教师ViT蒸馏为5百万参数的TinyViT，并采用基于度量的少样本学习方法（原型损失，5-shot episodes）进行微调。该模型在包含79例基因确认的巴腾病MRI（来自Hochstein自然史研究的27例CLN3、来自国际纵向队列的32例CLN2、来自Cokal等人报告的12例早发作CLN2以及8例公开Radiopaedia扫描）以及90例年龄匹配对照的多中心数据集上取得高准确率（约91%），ROC曲线下面积至少为0.95，优于3D-ResNet和Swin-Tiny基线。我们进一步集成梯度加权类激活映射（Grad-CAM）以突出显示与疾病相关的脑区，实现可解释预测。该模型的小体积和卓越性能（灵敏度>90%，特异度约90%）表明其为早期巴腾病检测提供了实用的人工智能解决方案。
引用
@article{arxiv.2510.09649,
title = {TinyViT-Batten: Few-Shot Vision Transformer with Explainable Attention for Early Batten-Disease Detection on Pediatric MRI},
author = {Khartik Uppalapati and Bora Yimenicioglu and Shakeel Abdulkareem and Adan Eftekhari and Bhavya Uppalapati and Viraj Kamath},
journal= {arXiv preprint arXiv:2510.09649},
year = {2025}
}
备注
8 pages, 3 figures, 1 table. Submitted to International Conference on Computational Intelligence and Sustainable Engineering Solutions (CISES)