VolTA-3D：基于 3D 体积标记对脑 MRI 的自监督学习
计算机视觉与模式识别
2026-05-19 v1 人工智能
机器学习
摘要
自监督学习 (SSL) 通过利用大规模无标签数据推进了医学图像分析，但在脑磁共振成像 (MRI) 中，大多数 3D 模型要么专用于分割，要么专用于分类，限制了其在跨数据集、成像协议和下游任务上的泛化能力。这种缺乏可迁移性限制了 3D MRI 模型的临床实用性，尽管存在大量无标签体积数据。我们提出 Volta-3D，一个面向学习可迁移体积表示的 3D Vision Transformer 框架。Volta-3D 在学生-教师范式下联合对齐全局类别样式标记和局部 patch 标记，并强制进行细粒度结构重建。这种全局-局部对齐解决了脑 MRI 受限的语义多样性和微妙解剖特征的挑战，这些挑战限制了现有 SSL 方法的效果。我们在多个跨域下游任务上评估了 Volta-3D，包括小脑旁核分割和健康对照组与阿尔茨海默病患者的性别分类。在所有任务中，Volta-3D 学习到的表示均优于随机初始化的基线，显示出在域迁移下的 improved transferability 和 robustess。因此，在预训练期间联合强制全局语义一致性和局部结构学习，使我们能够从无标签脑 MRI 数据中获得更广泛的概念学习。总体而言，VolTA-3D 支持任务特定 fine-tuning 下的有效多任务下游性能，是通用且临床可行 3D 模型的一步步进。
引用
@article{arxiv.2605.16775,
title = {VolTA-3D: Self-Supervised Learning for Brain MRI using 3D Volumetric Token Alignment},
author = {Amy Makawana and Abhijeet Parida and Marius George Linguraru and Julia Ive and Syed Muhammad Anwar},
journal= {arXiv preprint arXiv:2605.16775},
year = {2026}
}
备注
Accepted at EMBC 2026