跳到正文
OpenReview · Representation learning·· 2026-09-09精选AI 评分77

结构先于时间:面向纵向 3D 脑 MRI 的解剖保留表征学习

Structure Before Time: Anatomy-Preserving Representation Learning for Longitudinal 3D Brain MRIs

AI 导读

基于摘要分析。本文研究高分辨率纵向 3D 脑 MRI 如何在保留局部病变信息的同时,使表征规模适应不断增长的患者随访历史,提出解剖保留表征学习原则 Structure Before Time(SBT)。核心贡献是在全局与时间聚合之前,用神经解剖结构约束表征形成,获得紧凑且包含解剖信息的纵向建模表征。 研究主要面向 Alzheimer's Disease(AD)相关结构变化:病变具有空间异质性,在 Mild Cognitive Impairment(MCI)等早期阶段较细微,随访时间也不规则。SBT 强调先保留局部解剖组织,再进行更大范围与时间维度的汇聚;摘要未披露具体编码器、解剖约束实现、损失函数或不规则随访处理方式。 作者报告,在 AD 诊断、MCI 进展及生存预测任务中,SBT 相较单次扫描和纵向基线均有改善,且随历史信息积累获得更多收益。作者还报告表征可跨队列迁移,在替代解剖分区下仍有效,可扩展到 Frontotemporal dementia(FTD),并能在具有已知区域真值的合成数据中定位受控异常。摘要称受控实验支持性能收益来自有意义的解剖组织及其在框架中的早期引入,但未提供效应量与具体对照设置。 队列名称、样本规模、数据划分、基线配置、评价指标、消融及统计信息尚未验证;复现还需核对 MRI 预处理、解剖分区来源、历史长度与随访间隔的处理,以及跨队列迁移协议。本文证据针对结构 MRI 的纵向疾病建模,不构成 EEG 或 BCI 有效性的证据。

阅读价值

值得核对的是在全局与时间聚合前引入解剖结构约束的机制,以及作者用于区分有意义的解剖组织与其引入时机贡献的受控实验;具体效果与复现条件尚未验证。

来源:OpenReview · Representation learning · openreview.net