基于视频时空注意力机制的AlzFormer模型：阿尔茨海默病早期诊断新突破

研究人员针对阿尔茨海默病(AD)早期诊断难题，开发了基于时空注意力机制的AlzFormer模型，通过将T1加权MRI序列视为视频帧，实现AD、MCI（轻度认知障碍）和CN（认知正常）的高精度分类。该模型在ADNI数据集上取得94%准确率，AUC达0.98，其注意力图谱可识别海马体等关键脑区，为神经退行性疾病诊断提供可解释的AI工具。

　　

阿尔茨海默病(Alzheimer's Disease, AD)作为最常见的痴呆类型，其早期诊断一直是神经科学领域的重大挑战。现有研究表明，神经退行性病变可能在临床症状出现前20年就已开始，但传统诊断方法平均需要2.8-4.4年才能确诊。这种诊断延迟严重影响了干预时机的把握，而磁共振成像(MRI)等脑成像技术的进步为计算机辅助诊断带来了新机遇。

当前基于深度学习的AD诊断方法面临三重困境：三维MRI数据的高维度与小样本矛盾、二维预训练模型难以捕捉切片间连续性、以及模型可解释性不足。虽然卷积神经网络(CNN)和视觉Transformer(ViT)已取得一定进展，但它们在处理序列化医学影像时仍存在时空信息建模的局限性。更令人担忧的是，约半数已发表的深度学习模型存在数据泄露问题，导致性能评估失真。

为突破这些瓶颈，Taymaz Akan团队创新性地将视频分析技术引入神经影像领域。研究人员提出的AlzFormer模型巧妙地将T1加权MRI体积视为"视频"，每张切片相当于视频帧，利用预训练的TimeSformer模型捕捉切片间的时空依赖关系。这种"以视频解MRI"的思路，既避免了三维卷积的计算负担，又通过时空自注意力机制实现了对神经退行性病变渐进特征的建模。

关键技术方法包括：1) 使用ADNI1数据集1.5T MRI扫描，包含2293例样本（AD/MCI/CN）；2) 采用CAT-12工具进行颅骨剥离和MNI空间标准化预处理；3) 将MRI体积转换为32张冠状切片序列，以16×16像素块作为输入；4) 微调Kinetics-400预训练的TimeSformer模型，仅解冻最后层和分类头；5) 采用余弦退火学习率调度和AdamW优化器训练。

研究结果

分类性能

AlzFormer在测试集上实现97%的总体准确率，三类F1分数分别为AD 0.94、MCI 0.99、CN 0.98。与CNN-BiLSTM等基线模型相比，其准确率提升6-8个百分点，且ROC曲线显示AUC达1，展现出卓越的判别能力。

模型分析与表征

注意力图谱显示：AD病例关注内侧颞叶（海马体、旁海马回）、丘脑等区域；MCI病例呈现更弥散的激活模式；CN病例则表现为均匀的低强度注意力分布。在85层冠状切面的对比中，AD病例呈现明显的局部聚焦，而CN病例为广泛弱激活，这与已知的AD病理进展高度吻合。

位置编码分析

通过可视化位置嵌入相似性矩阵，发现模型成功学习到空间局部性——相邻图像块具有更相似的位置编码。投影权重可视化显示类似CNN的边缘检测器特征，证实模型能自主捕获结构性特征。平均注意力距离分析揭示网络层存在由局部到全局的注意力扩展规律。

特征交互模式

PCA降维后的弦图显示：AD病例特征交互呈现集中式连接，MCI为过渡态，CN则为分散模式。这种差异反映了不同诊断阶段脑结构改变的异质性。

讨论与结论

该研究首次验证了视频Transformer在神经影像分析的适用性，其创新性体现在三方面：1) 通过时空注意力建模切片连续性，突破传统2D方法的局限；2) 利用自然视频预训练知识缓解医学数据稀缺问题；3) 注意力机制提供符合临床认知的可解释性证据。

尽管存在依赖高分辨率MRI、未整合多模态数据等局限，AlzFormer仍为AD早期诊断提供了新范式。未来通过纳入纵向数据和认知评估，有望构建疾病进展预测模型。这项发表于《Neuroscience》的研究，不仅为AD诊断设立新基准，其"视频化"处理医学影像的思路更为其他神经退行性疾病研究开辟了新路径。