脳疾患分類のためのクロスビュー対照整列による画像-ROI表現学習

Abstract: 脳画像分類は、グローバルな解剖学的文脈を捉えるために全体の画像ボリュームをモデリングするアプローチ、あるいは局所的な相互作用とトポロジーをエンコードするROIベースのグラフを構築するアプローチという2つの観点から一般的に取り扱われます。これらの表現はいずれも独立して有効性を示していますが、それらの相対的な寄与と潜在的な補完性は十分には理解されていません。従来の融合アプローチはタスク固有であり、一貫した学習設定の下で各表現を制御可能に評価することができません。このギャップを埋めるべく、画像-ROI表現学習のための統一されたクロスビュー対照フレームワークを提案します。私たちの手法は、被験者レベルのグローバル（画像）および局所（ROI-グラフ）埋め込みを学習し、双方向対照目的を用いてそれらを共有潜在空間で整合させ、同一被験者の表現を収束させ、異なる被験者の表現を分離します。この整合により、下流の融合に適した比較可能な埋め込みが生成され、統一された学習プロトコルの下で画像のみ、ROIのみ、結合構成を体系的に評価できるようになります。 ADHD-200およびABIDEデータセットでの広範な実験は、結合学習が複数のバックボーンの選択肢にわたり、いずれのブランチ単独よりも分類性能を一貫して改善することを示しています。さらに、解釈可能性の分析は、画像ベースのブランチとROIベースのブランチが異なるが相補的な識別パターンを強調することを示し、観察された性能向上を説明します。これらの所見は、グローバルなボリューム表現とROIレベル表現を明示的に統合することが神経画像ベースの脳疾患分類にとって有望な方向であることを駆動する原理的根拠を提供します。ソースコードは https://anonymous.4open.science/r/imaging-roi-contrastive-152C/ で入手できます。