SYMBA脑影像自监督框架发布

Nuria Balbás-Esteban等发布SYMBA（SYstematic Morphometric Brain Autoencoding）框架，这是一个专为结构脑MRI设计的自监督预训练模型。 该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数据进行预训练。 在阿尔茨海默病分类中，SYMBA实现了0.930的AUROC；在轻度认知障碍转化预测中达到0.772的AUROC。在低标注场景下，仅用6例患者即可达到约0.90的AUROC。 该自监督方法表现优于近期神经影像基础模型，并强化了跨扫描器分布的泛化能力，为神经退行性疾病表征学习提供了新方案。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。