arXiv · ML· Nuria Balb\'as-Esteban, Albert Belenguer-Llorens, Elaheh Moradi, Jussi Tohka, Vanessa G\'omez-Verdejo, Carlos Sevilla-Salcedo·· 5 小时前AI 评分31
SYMBA：用于神经退行性疾病表征学习的系统性形态学脑自编码框架
Systematic Morphometric Brain Autoencoding for Representation Learning in Neurodegenerative Diseases
AI 导读
SYMBA框架在阿尔茨海默病分类中实现0.930 AUROC，轻度认知障碍转化预测达0.772 AUROC。 框架采用解剖学约束掩码、多尺度结构相似性（MS-SSIM）目标及渐进课程学习，基于6,953例T1加权MRI预训练，在低标注场景下仅用6例患者即达约0.90 AUROC。 该自监督方法优于近期神经影像基础模型，强化了跨扫描器分布的泛化能力。
来源：arXiv · ML · arxiv.org