トポロジーに導かれた事前学習を伴う階層型メッシュ・トランスフォーマによる脳構造の形態計測解析
arXiv cs.CV / 2026/4/8
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、任意次数の単体（シンプリシアル）複体から構築するトポロジーガイド付き階層的分割により、体積メッシュおよび表面メッシュという異種の脳メッシュから学習できる階層型メッシュ・トランスフォーマを提案する。
- 幾何学的構造と特徴量次元を切り離しつつ、可変長で臨床的に関連する形態計測記述子（例：皮質の厚さ、曲率、溝の深さ、ミエリン含有量）を統合するための特徴射影モジュールを導入する。
- 本手法は、巨大なラベルなし神経画像コホートを用い、メッシュ座標と形態計測チャネルの双方をマスクして再構成する自己教師あり事前学習によって、複数の下流タスクへ転用可能なエンコーダを得る。
- ADNI（アルツハイマー病の分類およびアミロイド負荷の予測）とMELD（限局性皮質異形成の検出）で実験を行い、検証したベンチマークにおいて最先端の性能を報告している。
- 全体として、この枠組みは、トポロジー固有の設計変更を必要とせず、異なる画像処理パイプライン間でより汎化可能な表現学習を可能にすることを目指している。
