拡散空間ロタリー位置埋め込み（D-RoPE）を用いた拡散MRIトランスフォーマー

要旨: 拡散磁気共鳴画像法（dMRI）は、脳の微細構造変化を研究するうえで重要な役割を果たします。したがって、dMRIは臨床現場で広く用いられています。しかし、dMRIから汎用的な表現を学習するための進展は限られてきました。主要な課題は、既存の深層学習手法が拡散信号の固有の性質を捉えるのに適していないことです。脳dMRIは通常、複数の脳ボリュームから構成されており、各ボリュームは拡散感受性勾配の方向と強度に依存して減衰特性が異なります。したがって、dMRIにおいて空間的・拡散重み付け・方向依存性を同時にモデル化する必要があります。さらに、取得プロトコルが異なる（例：方向数が異なる）ことは、従来のモデルにさらに制約を与えます。これらのギャップに対処するために、拡散空間回転位置埋め込み（D-RoPE）をdMRIトランスフォーマに組み込むことで、拡散データの空間構造と方向特性の両方を捉え、多様な取得条件にわたって、さらに任意の数の拡散方向に対しても頑健で転移可能な表現を実現できるようにします。自己教師ありのマスク付き自己符号化（masked autoencoding）による事前学習の後、いくつかの下流タスクでのテストにより、学習された表現および事前学習済みモデルが、これらの下流タスクにおいて複数のベースラインと比較して競争力がある、あるいはそれを上回る性能を提供できることが示されました（完全に学習したベースラインと比較しても同様です）。事前学習済みエンコーダから得られた微調整済み特徴は、軽度認知障害を分類する際に精度が6%高くなり、認知スコアを予測する際に相関係数が0.05増加しました。コードは次で利用可能です: github.com/gustavochau/D-RoPE。