编辑推荐：
在多中心研究中，MRI 序列分类因成像协议差异面临挑战，存在元数据不可靠及人工标注耗力等问题。研究人员评估预训练模型在成人至儿科 MRI 数据域偏移下的表现，发现 MedViT 模型表现更优，结合专家知识调整后准确性提升，为解决域偏移问题提供方向。
在医学影像领域，精准的 MRI 序列分类是开展多中心研究和临床诊断的重要基础。然而，不同机构间成像协议的差异、设备参数的不统一以及患者群体特征的变化，导致深度学习模型在应用时面临 “域偏移（Domain Shift）” 难题 —— 当模型从成人数据训练集迁移至儿科数据测试集时，分类准确性往往显著下降。此外，DICOM 头文件中元数据的不可靠性，使得依赖自动标注的传统方法难以奏效，人工逐例标注又耗费大量人力物力，这一系列挑战严重制约了 AI 在医学影像跨域应用中的可靠性与效率。
为突破这一困境，德国海德堡大学医院（Department of Neuroradiology, Heidelberg University Hospital）的 Mustafa Ahmed Mahmutoglu 团队开展了一项针对成人与儿科 MRI 数据域偏移的研究，相关成果发表于《European Radiology》。研究旨在探索先进神经网络架构（如 CNN-Transformer 混合模型）与专家领域知识结合，能否有效提升模型在跨域场景下的分类性能，为多中心研究中自动化序列分类提供更可靠的解决方案。
研究方法与关键技术
研究采用回顾性多中心数据，训练集为来自 249 家医院的 2179 例成人胶质母细胞瘤患者的 63,327 例 MRI 序列，包含 9 种序列类型（如 T1 加权、T2 加权、FLAIR 等）；测试集为 51 家中心的 667 例儿科中枢神经系统肿瘤患者的 2383 例序列，涵盖 6 种类型。研究对比了传统卷积神经网络 ResNet-18、基准模型（Benchmark model）与 CNN-Transformer 混合模型 MedViT 的性能。通过数据增强（如高斯噪声、尺寸归一化）、模型预训练、专家知识调整（排除测试集不存在的标签）等策略，评估模型在域偏移下的鲁棒性。主要分析指标包括准确率、F1 分数、混淆矩阵及统计检验（方差分析、Tukey’s HSD 校正）。
研究结果
1. 模型性能对比：混合架构展现优势
MedViT 模型在未调整状态下，对儿科数据的分类准确率达 0.893（95% CI 0.880–0.904），显著高于 ResNet-18 的 0.790 和基准模型的 0.726（p<0.001）。混淆矩阵显示，MedViT 在 T1、T2、FLAIR 等主要序列类型上的误分类率更低，尤其在区分 “其他” 类（包含 T2*、SWI 等）时表现更优，表明其对复杂域偏移的适应性更强。
2. 专家知识调整：进一步提升准确性
通过排除训练集中但测试集不存在的 3 种序列标签（如 ADC、DWI 等），将模型预测空间限定于儿科实际存在的 6 类，MedViT 准确率提升至 0.905（95% CI 0.893–0.916），ResNet-18 提升至 0.809。其中，“其他” 类的 F1 分数从 0.767 提升至 0.819，T2 类准确率提升 2.1%，表明专家知识能有效减少模型对无关类别的误判，优化决策边界。
3. 机制分析：Transformer 的全局注意力优势
MedViT 的优越性能归因于其混合架构 ——CNN 模块提取局部空间特征，Transformer 模块通过自注意力机制捕捉长程依赖，从而更好适应儿科数据中因患者年龄、扫描设备（0.2–3 Tesla vs. 成人 1–3 Tesla）差异导致的全局特征变化。相比之下，纯 CNN 架构的 ResNet-18 受限于局部感受野，对跨域分布差异更敏感。
研究结论与意义
本研究首次系统验证了 CNN-Transformer 混合模型在成人至儿科 MRI 域偏移中的有效性，证实 MedViT 通过融合局部特征提取与全局注意力机制，显著提升了跨域分类鲁棒性。结合专家预先定义的序列协议（如排除无关标签），可进一步优化模型输出，使准确率突破 90%。这一成果为多中心研究中自动化序列分类提供了双重解决方案：一方面，先进架构减少对数据分布的依赖；另一方面，领域知识注入提升临床场景适配性。
研究同时揭示，域偏移在医学影像中普遍存在，传统 CNN 模型难以应对跨群体差异，而 Transformer 及其混合架构为解决此类问题开辟了新路径。未来可进一步探索更多样化的数据集（如不同疾病类型、更多中心）及无监督域适应技术，推动 AI 在精准医疗中的实际落地。该研究不仅为 MRI 序列分类提供了可复用的方法论，也为其他医学影像任务（如肿瘤分割、病变检测）应对域偏移挑战提供了重要参考。
