《Frontiers in Neurology》：HDFT-MViT: a progressive core-enhanced mix framework for Alzheimer’s disease classification using MRI images
编辑推荐：
摘要背景：阿尔茨海默病（Alzheimer’s disease, AD）的早期且准确诊断至关重要。在基于磁共振成像（magnetic resonance imaging, MRI）的计算机辅助诊断中，卷积神经网络（convolutional neural ne
摘要背景：阿尔茨海默病（Alzheimer’s disease, AD）的早期且准确诊断至关重要。在基于磁共振成像（magnetic resonance imaging, MRI）的计算机辅助诊断中，卷积神经网络（convolutional neural networks, CNNs）擅长提取局部特征，但难以建模长程依赖关系；而视觉Transformer（Vision Transformers, ViTs）虽然具有较强的全局建模能力，却存在较高的计算复杂度，从而限制了其在资源受限场景中的部署。
新方法：本文提出HDFT-MViT，这是一种基于MobileViT的轻量化混合架构，集成了分层动态滤波器（hierarchical dynamic filter）与轻量级Transformer。该模型采用渐进式核心增强混合（progressive Core-Enhanced Mix）设计：浅层使用MobileNetV2倒残差块（inverted residual blocks）实现高效局部特征提取；中层与深层引入双分支模块，将用于频域全局调制的动态滤波器与用于空间长程依赖建模的轻量级Transformer进行集成，并通过可学习权重实现分层融合。此外，研究人员进一步引入通道注意力机制，以增强特征判别性。
结果：在公开的ADNI-1（三分类）和ADNI-2（四分类）MRI数据集上的评估表明，HDFT-MViT分别取得了98.85 ± 0.27%和98.07 ± 0.54%的最先进分类准确率，同时仅具有3.46 M参数量的轻量化特征，证实了其有效性与高效性。
结论：HDFT-MViT在计算高效的框架内实现了局部细节感知与全局语义理解之间的最佳平衡，为临床AD诊断提供了一种有前景的工具。代码将在论文接收后发布。
该论文发表于《Frontiers in Neurology》，聚焦于阿尔茨海默病（Alzheimer’s disease, AD）MRI影像分类中的一个核心难题：如何在保证计算效率的前提下，同时兼顾局部病灶细节提取与全局语义依赖建模。AD作为一种进行性神经退行性疾病，具有遗传性与散发性两种形式，其本质特征是脑内神经元逐步丧失，并最终导致认知功能持续下降与日常生活能力受损。MRI因具备无创性和较强的软组织分辨能力，已成为AD早期临床评估的重要工具。然而，传统基于深度学习的MRI辅助诊断模型仍存在明显局限：卷积神经网络（convolutional neural networks, CNNs）虽然在局部纹理和形态学特征提取方面表现突出，但由于卷积操作局部感受野的限制，难以有效建模跨区域长程依赖；视觉Transformer（Vision Transformer, ViT）虽具有出色的全局上下文建模能力，但其自注意力机制通常伴随较高的二次计算复杂度，对数据规模和算力资源要求较高，不利于在资源受限的临床场景中部署。因此，构建一种兼具轻量化、局部细节敏感性与全局建模能力的混合架构，成为该领域亟需解决的问题。
基于上述背景，研究人员提出了HDFT-MViT模型。这一方法建立在轻量化MobileViT框架之上，创新性引入渐进式核心增强混合（progressive Core-Enhanced Mix）设计，试图通过分层结构实现从局部到全局、从空间到频域协同建模的平滑过渡。模型总体采用五层级联层次结构：前两层保留MobileNetV2风格的倒残差块，用于低计算开销下的局部浅层表征；第三至第五层作为全局处理阶段，嵌入双分支模块，将基于快速傅里叶变换（Fast Fourier Transform, FFT）的动态滤波路径与轻量级Transformer路径并行结合，并通过可学习融合权重完成层级化融合。同时，网络还引入高效通道注意力（Efficient Channel Attention, ECA）与混合池化通道注意力（Mixed Pooled Channel Attention, MPCA），分别在处理中前后实施通道筛选与增强，从而提高对关键病理区域的感知和特征判别能力。研究结果表明，该模型在ADNI-1三分类任务和ADNI-2四分类任务上均取得了较高准确率，并以3.46 M参数量实现了性能与效率的平衡，显示出较强的临床应用潜力。
研究人员主要采用了以下关键技术方法：基于ADNI公开数据库构建ADNI-1三分类数据集与ADNI-2四分类数据集，并严格按照受试者水平进行训练集/测试集划分；以MobileViT为基础设计五层分层网络，在浅层采用MobileNetV2倒残差块，在中深层引入动态滤波与轻量级Transformer双分支融合模块；在频域利用2D实值快速傅里叶变换（FFT）实现全局调制，在空间域通过轻量级Transformer建模长程依赖；通过ECA与MPCA进行通道注意增强；最后结合五次独立实验、混淆矩阵、ROC曲线、消融实验、经典模型对比和Grad-CAM热图进行综合评估。
在研究结果部分，论文围绕多个小节系统展示了HDFT-MViT的性能与机制。
Results一节显示，HDFT-MViT在ADNI-1与ADNI-2上均取得了优异分类性能。研究人员报告所有指标均为5次独立运行的均值 ± 标准差，以保证结果稳健性。在ADNI-1三分类任务中，模型总体准确率接近98%，各类别Precision、Recall和F1-score普遍超过95%。其中AD类别识别几乎达到完美水平，说明该框架对典型阿尔茨海默病影像模式具有很强识别能力；CN与MCI类别也呈现较平衡表现，提示模型对疾病中间阶段同样保持稳定区分能力。在更具挑战性的ADNI-2四分类任务中，尽管新增了主观记忆下降（Subjective Memory Complaint, SMC）这一更早期且更模糊的类别，模型总体准确率仍约为98%，且所有类别主要指标均维持在95%以上，表明该方法在细粒度临床分型中仍具有较强鲁棒性。
验证精度曲线分析表明，三分类与四分类任务下的5次独立运行均表现出一致收敛趋势。随着训练轮次增加，验证精度稳步上升并在后期趋于稳定，说明模型训练过程具有良好可重复性。四分类任务在早期轮次中波动略大，反映了相邻诊断类别间区分难度更高，但最终仍收敛至较高验证精度。
混淆矩阵结果进一步揭示了模型的类别判别特征。三分类任务中，仅有少量CN与MCI之间的误分，符合MCI处于正常衰老与AD之间过渡状态、神经解剖改变较为轻微且与正常老年个体部分重叠的临床事实。四分类任务中，大多数误分集中于CN、MCI与SMC之间，而AD样本则保持较高准确率。若干SMC样本被误判为CN或MCI，这一现象也与SMC处于极早期、脑结构改变不典型的特点一致。ROC曲线则显示模型曲线稳定分布于图形左上区域，进一步证明其整体诊断性能较强。
论文还特别比较了切片水平与受试者水平评价的差异。尽管采用了受试者水平训练/测试划分，但若仅在切片水平评估，可能因同一受试者切片间相关性而高估模型性能。结果显示，在ADNI-1-coronal数据上，受试者水平总体准确率为92.54%，而切片水平准确率达到97.10%。这一差异提示，受试者水平聚合更能真实反映模型在个体诊断上的区分能力，因此在医学影像分类中具有更高方法学意义。
为解释模型高性能来源，研究人员使用梯度加权类激活映射（Gradient-weighted Class Activation Mapping, Grad-CAM）生成热图分析注意力分布。结果显示，针对AD样本，模型主要关注大脑皮层与海马等萎缩相关区域，与典型病理特征相一致；针对CN样本，注意力分布相对均匀；针对MCI样本，注意力广泛覆盖海马及周边皮层，反映出可能存在的弥散性轻度改变。这说明HDFT-MViT能够自适应聚焦于与诊断相关的关键脑区，其关注模式具有一定临床先验一致性，从而增强了模型可解释性和辅助诊断可信度。
Ablation study一节通过消融实验验证了各核心模块的独立与协同贡献。研究人员逐步移除或组合注意力机制（A）、动态滤波（D）和轻量级Transformer（T），在三分类与四分类任务上量化其性能贡献。结果显示，完整的A + D + T组合在两项任务上均取得最佳准确率，说明多模块协同是性能提升的关键。单独使用任一模块时性能均不足：仅注意力机制难以提供充分全局建模，仅动态滤波在特征筛选方面较弱，仅Transformer则未能充分利用局部与频域信息。D + T组合在三分类任务中已接近完整模型，但在更复杂的四分类任务中明显下降，表明注意力机制在复杂类别场景下对特征优化具有重要作用。由此可见，注意力、动态滤波与Transformer在该模型中形成了有机互补关系。
Comparison with classical models一节将HDFT-MViT与AlexNet、ConvNeXt、DenseNet、EfficientNetV2、ShuffleNet、ResNet50、MobileNetV2、MobileNetV3和原始MobileViT等经典或先进模型进行比较。结果表明，HDFT-MViT在ADNI-1三分类与ADNI-2四分类任务中均取得最优综合性能。在三分类任务中，其准确率、Precision、Recall和F1-score均领先于所有对照模型；在四分类任务中也继续保持领先。尤为重要的是，这一性能提升并非依赖简单增加模型规模实现。HDFT-MViT参数量仅为3.46 M，显著低于ResNet50和EfficientNetV2等重型模型，也低于部分性能接近的架构，说明其优势主要来源于结构设计创新，即浅层高效卷积、中深层频域动态滤波与空间域Transformer之间的渐进式协同。
Comparative analysis with other state-of-the-art techniques一节进一步将该方法与近期代表性研究进行横向比较。三分类任务中，HDFT-MViT准确率达到98.82%，优于RAE-ViT、CNN-LSTM和MMDF等方法；四分类任务中，其98.04%的准确率也高于CNN–Swin transformer、Coupled-GAN以及2D-M2IC等方法。尽管某些GoogLeNet模型报告了接近结果，但文中指出其任务配置和数据细节披露不足，难以进行完全严格的直接比较。总体而言，这一比较支持了HDFT-MViT在阿尔茨海默病MRI识别中的竞争力。
论文讨论与结论部分强调，HDFT-MViT的核心价值在于通过渐进式分层融合策略，在保持轻量化的同时兼顾了局部细节保留与全局上下文建模。浅层倒残差块负责高效提取局部结构信息；中层FFT动态滤波器在频域进行全局调制；深层轻量级Transformer则进一步建模长程空间依赖；ECA与结合混合池化的通道注意力机制共同增强特征判别性。该研究同时也明确指出了当前局限：所有实验均基于ADNI数据集，跨数据集泛化能力仍需在独立多中心队列和真实临床数据中进一步验证；MCI与SMC等诊断模糊类别由于神经退行性特征重叠和结构差异细微，依然具有较高识别难度；不同类别间潜在不平衡也可能影响少数类别判别表现。
研究结论可概括为：为解决AD分类任务中全局与局部特征建模之间的平衡及计算效率问题，研究人员提出了HDFT-MViT。该模型采用渐进式分层融合策略，在浅层利用倒残差块高效捕获局部细节，在中层通过基于快速傅里叶变换（FFT）的动态滤波器实施全局频域调制，在深层通过轻量级Transformer建模长程空间依赖，并结合ECA与混合池化通道注意机制增强特征判别性。尽管当前研究仍存在数据来源单一、模糊类别区分困难等局限，但HDFT-MViT在AD分类任务中表现出较高准确性、稳健性及轻量化优势，适用于资源受限场景下的临床部署。该研究为医学图像分类提供了一种高效且具有可解释性的渐进式双分支框架，也为早期AD诊断及其他细粒度医学影像分析任务提供了有价值的研究思路。
