BrainDINO：汎用化可能な臨床表現学習のための脳MRI基盤モデル
arXiv cs.LG / 2026/5/1
📰 ニュースTools & Practical UsageModels & Research
要点
- 論文では、ラベルなしの脳MRIデータから汎用化可能な表現を学習する自己蒸留型の基盤モデル「BrainDINO」が提案されています。
- BrainDINOは、20の異質なデータセットから約660万枚の軸断スライスで学習されており、単一の表現が多様な臨床・神経画像のエンドポイントへ転移できることを示しています。
- 凍結したエンコーダに軽量なタスク用ヘッドを組み合わせることで、腫瘍セグメンテーション、神経変性・神経発達疾患の分類、脳年齢推定、脳卒中後の時間予測、分子状態予測、MRIシーケンス分類、サバイバル予測など幅広いタスクに対応します。
- 実験では、タスクや教師データの量にかかわらず、BrainDINOが既存の自然画像系およびMRI専用の自己教師ありベースラインと同等以上の性能を示し、とくにラベル不足の条件で優位性が大きいことが報告されています。
- 表現の解析により、タスク特化の教師なしでも学習特徴が解剖学的に整理され、病理に敏感であることが示されており、大規模スライスの自己教師あり学習がデータ効率の高い脳MRI解析に有効であることを示唆しています。
