Triamese-ViT：一种用于从MRI中稳健估计脑龄的3D感知方法
计算机视觉与模式识别
2024-01-19 v1 机器学习
摘要
机器学习在医学中的集成显著提高了诊断精度，特别是在解释人脑等复杂结构方面。诊断阿尔茨海默病等具有挑战性的疾病推动了脑龄估计技术的发展。这些方法通常利用三维磁共振成像（MRI）扫描，最近的研究强调了3D卷积神经网络（如3D ResNet）的有效性。然而，视觉Transformer（ViT）以其准确性和可解释性而闻名，但其在三维版本中的局限性导致其在该领域的潜力尚未被充分挖掘。本文介绍了Triamese-ViT，一种ViT模型在脑龄估计中的创新性改编。我们的模型独特地结合了来自三个不同方向的ViT以捕获3D信息，显著提高了准确性和可解释性。在包含1351次MRI扫描的数据集上进行测试，Triamese-ViT实现了3.84的平均绝对误差（MAE），与实际年龄的Spearman相关系数为0.9，脑龄差距（BAG）与实际年龄的Spearman相关系数为-0.29，显著优于先前的脑龄估计方法。Triamese-ViT的一个关键创新是其能够生成全面的类3D注意力图，该图由每个方向特定ViT的2D注意力图合成而成。这一特征对于深入的脑龄分析和疾病诊断特别有益，为脑健康和与年龄相关的神经变化机制提供了更深入的见解。
引用
@article{arxiv.2401.09475,
title = {Triamese-ViT: A 3D-Aware Method for Robust Brain Age Estimation from MRIs},
author = {Zhaonian Zhang and Richard Jiang},
journal= {arXiv preprint arXiv:2401.09475},
year = {2024}
}