《Frontiers in Computational Neuroscience》：Topology-aware hybrid graph-transformer network for Alzheimer's disease diagnosis from structural magnetic resonance imaging
编辑推荐：
摘要
引言：阿尔茨海默病（Alzheimer's disease，AD）是一种进行性神经退行性疾病，其特征为局部皮层萎缩以及大尺度脑连接破坏。尽管深度学习（deep learning，DL）方法已显示出在基于神经影像的诊断中的应用前景，但许多方法未能联合捕捉
摘要
引言：阿尔茨海默病（Alzheimer's disease，AD）是一种进行性神经退行性疾病，其特征为局部皮层萎缩以及大尺度脑连接破坏。尽管深度学习（deep learning，DL）方法已显示出在基于神经影像的诊断中的应用前景，但许多方法未能联合捕捉局部结构改变与全局网络层面的退化。
方法：研究人员提出了一种用于基于结构磁共振成像（structural magnetic resonance imaging，sMRI）进行AD分类的拓扑感知混合DL框架。该模型整合了：（1）用于提取体积形态测量特征的3D卷积神经网络（3D convolutional neural network，3D CNN）；（2）用于在无预定义图谱条件下推断患者特异性结构连接的动态图注意力网络（graph attention network，GAT）；以及（3）将该连接信息纳入全局注意力的拓扑偏置Vision Transformer（Topo-ViT）。该框架在严格的受试者层级（subject-level）数据隔离条件下进行训练，并采用聚焦损失（Focal Loss）与AUC驱动策略进行优化。
结果：在源自开放获取影像研究系列（Open Access Series of Imaging Studies，OASIS）队列的结构MRI数据集上进行评估时，所提出模型在测试集上取得了0.857的受试者工作特征曲线下面积（receiver operating characteristic area under the curve，ROC-AUC），总体准确率为85%，且在检出痴呆病例方面具有较高敏感性。消融研究表明，拓扑引导注意力较单纯CNN和混合基线模型具有更优性能。附加分析进一步揭示了稳定的连接模式以及良好分离的潜在表征。
讨论：结果表明，整合拓扑感知机制能够更一致地将AD建模为一种网络层面的疾病。所提出框架可同时捕捉局部与全局结构模式，从而提高诊断可靠性。其临床部署仍需在更大规模数据集上进一步验证。
该论文发表于《Frontiers in Computational Neuroscience》，围绕阿尔茨海默病（Alzheimer's disease，AD）在结构磁共振成像（structural magnetic resonance imaging，sMRI）中的自动诊断问题，提出了一种拓扑感知混合图-Transformer深度学习框架。研究背景在于，AD不仅表现为海马和内侧颞叶等局部脑区的皮层萎缩，也伴随大尺度脑网络连接的破坏，因此具有典型的“断连综合征”特征。现有基于深度学习的医学影像方法虽已取得进展，但仍存在几项关键不足：其一，大量研究仍依赖2D切片级处理，破坏了脑解剖结构原有的三维连续性，难以刻画层间依赖；其二，传统卷积神经网络（convolutional neural network，CNN）擅长提取局部形态学特征，却难以有效建模长程依赖与全脑网络退化；其三，标准Vision Transformer（ViT）虽能进行全局建模，但其自注意力主要受特征相似性驱动，缺乏与生物学解剖连接一致的空间归纳偏置；其四，现有图神经网络（graph neural network，GNN）方法常依赖固定群体脑图谱，难以反映患者个体化、进行性的结构连接衰退。因此，开展一项能够同时整合局部结构异常、患者特异性连接关系和全局网络推理的研究具有明确必要性。
针对上述问题，研究人员构建了一个端到端可微的统一框架，将3D体积卷积特征提取、动态图注意力网络（graph attention network，GAT）连接学习和拓扑偏置Vision Transformer（Topo-ViT）全局推理进行整合，用于AD二分类诊断。该框架将AD显式建模为一种网络层面的结构断连疾病：首先保留完整sMRI体数据的三维几何信息，提取局部形态测量嵌入；随后依据患者自身的潜在区域特征动态生成结构连接矩阵，而不依赖预定义脑图谱；再将该连接矩阵直接注入Transformer的自注意力中，使全局推理受到患者实际结构拓扑退化模式的约束。研究结果显示，该模型在OASIS来源的sMRI数据上获得了较好的诊断性能，并在多个附加分析中表现出稳定的生物学一致性与统计稳健性。整体上，该研究的重要意义在于为AD的影像诊断提供了兼顾局部病灶和全脑网络退化的新型计算建模思路，并证明拓扑感知机制可提升临床判别可靠性。
在技术方法方面，研究人员使用来源于OASIS队列的结构MRI数据，初始队列为461例受试者，经严格质量控制后最终纳入347例。研究采用严格的受试者层级数据划分，以避免同一患者切片同时进入训练集与测试集造成数据泄漏；所有样本以32张连续轴位切片构成3D体输入，并进行体积一致性预处理与增强。模型方法上，先以截断的3D ResNet-18提取体积形态特征，再经自适应池化生成64个3D宏块区域节点；随后通过动态图注意力网络学习患者特异性邻接矩阵；最后将该拓扑矩阵作为偏置项加入多头自注意力，形成Topo-ViT。训练中采用聚焦损失（Focal Loss）、AUC驱动学习率调度和早停策略，并辅以梯度累积和梯度裁剪。
研究结果部分可概括如下。
1 Introduction
引言部分系统阐明了AD作为局部神经退行性病变与大尺度脑网络病变并存的疾病属性。研究人员指出，准确分析sMRI数据不仅需要识别海马、内侧颞叶等脑区的局灶性萎缩，还需要刻画结构和功能网络层面的广泛断连。该部分进一步回顾了CNN、ViT和GNN在AD自动诊断中的应用现状，并明确指出现有方法难以同时建模三维体积连续性、非欧几里得连接结构以及患者个体化网络衰退，因此提出拓扑引导的3D混合架构具有理论与临床双重必要性。
2 Related work
相关工作部分将已有研究分为2D CNN方法、Transformer与混合方法，以及3D建模与多模态融合方法三类。研究人员总结认为，2D切片方法虽能有效提取局部生物标志物，但破坏脑结构的体积连续性；Transformer虽增强了全局依赖建模能力，但未体现真实解剖连接约束；已有3D或混合模型虽更接近完整解剖表征，但仍未显式纳入患者特异性的结构连接。由此，该部分得出结论：现有文献在三维连续性、拓扑约束的全局注意力以及个体化连接推断三方面均存在空白，而本文框架正是针对这三点进行整合补足。
3 The proposed framework
方法部分给出了完整模型设计。研究人员将整个流程划分为体积形态特征提取、患者特异性动态图构建、拓扑偏置Transformer推理与最终分类四个连续阶段。该框架的总体目标是在严格避免数据泄漏的前提下，将局部脑结构退化与全局网络断连统一到同一诊断模型中。
3.1 Volumetric morphometric feature extraction
在体积形态测量特征提取阶段，研究人员采用截断的3D ResNet-18作为骨干网络，以完整3D sMRI体数据作为输入，保留脑的真实几何结构与层间空间依赖。为降低小样本医学数据中的过拟合风险，网络前部若干层被冻结，仅微调深层以学习AD相关病理特征。卷积输出经自适应3D平均池化压缩为固定的4 × 4 × 4空间维度，进而形成64个3D解剖宏块节点，并通过线性投影降维后加入可学习位置嵌入，生成后续图模块和Transformer模块使用的空间感知节点表示。该阶段结论是，模型能够在不丢失三维结构连续性的前提下，将原始体积影像转化为规范化区域级嵌入。
3.2 Dynamic graph attention for patient-specific connectivity
在动态图注意力阶段，研究人员不使用固定脑图谱，而是直接根据每名患者的区域节点特征通过GAT计算动态邻接矩阵A，表示64个解剖宏块之间的个体化结构连接强度。具体而言，节点对之间经共享线性变换与注意力打分后，再用softmax归一化得到可比较的连接权重，并以此进行消息传递，更新节点表示。该阶段通过图卷积聚合把局部萎缩特征放到全局连接框架下解释，从而突出AD相关结构通路的保留与退化。该部分核心结论是，患者特异性的动态图结构能够替代群体平均图谱，更好地表征个体化神经退行进程。
3.3 Topologically Biased vision transformer (Topo-ViT)
在Topo-ViT阶段，研究人员将上一阶段学习到的邻接矩阵直接加入Transformer多头自注意力的pre-softmax logits中，构建带有“拓扑偏置”的全局推理机制。与标准ViT仅依赖语义相似性不同，这种设计使注意力权重同时受患者自身结构连接约束，从而降低对物理上不合理通路的关注。模型中还采用残差连接、层归一化（Layer Normalization，LN）和前馈网络（feed-forward network，FFN），并使用较高dropout率抑制过拟合。该部分结果表明，全局建模在拓扑约束下更符合AD网络断连这一疾病本质。
3.4 Classification and objective formulation
分类与优化部分说明，Topo-ViT输出经全局平均池化（global average pooling，GAP）得到统一潜在表征，再输入多层感知机分类头进行二分类。为避免类别不平衡时模型偏向多数类，研究人员对最终分类偏置进行基于训练集类别比例的动态初始化。损失函数采用聚焦损失，通过逆频率类别权重与聚焦参数γ = 2.0增强对难分类、边界样本的惩罚。模型选择则不依赖单纯损失最小化，而由验证集ROC-AUC驱动学习率调度与早停。该部分说明整个训练目标以临床判别力最大化为核心。
4 Experiments and results
实验部分在Google Colab Pro与NVIDIA T4 GPU环境中开展，以PyTorch实现主体模型。研究人员详细说明了网络超参数、训练配置及评估指标，确保方法具有可重复性。
4.1 Experimental setup
该小节给出输入分辨率、体积深度、嵌入维度、注意力头数、学习率、批大小等参数设置。该部分主要作用在于明确模型实验环境和训练方案。
4.2 Dataset description
数据集部分说明样本来自OASIS MRI数据库，临床标签基于Clinical Dementia Rating（CDR）评分。原始影像经FSL转换与提取，研究人员为每名患者沿z轴切分出256张连续切片，并截取100–160切片范围内的轴位窗，再整理为供模型使用的3D输入。该部分结论是，研究建立了一个适配深度学习流程的标准化sMRI数据集。
4.3 Dataset preprocessing and training process
4.3.1 Subject-level data splitting
该小节强调采用严格的受试者层级划分策略，确保单个患者的全部32张连续切片只出现在训练、验证或测试中的一个子集中，以彻底避免数据泄漏。经质量控制后，最终样本数由461例缩减至347例。该设计保证测试集性能反映真实泛化能力。
4.3.2 Volume-consistent 3D preprocessing
该小节说明研究人员先将原始图像统一缩放至112 × 112，再在训练阶段采用体积一致性增强，而非逐切片独立增强。所有增强参数在同一患者的32张切片上保持一致，以保留脑体积几何连续性。该处理提高了模型的鲁棒性与空间不变性。
4.3.3 Hierarchical feature extraction and training progression
该小节从流程上展示了由原始MRI到最终拓扑感知潜在表示的层级转化：先经3D ResNet-18得到卷积空间图，再池化形成64个区域嵌入，随后由GAT推断动态邻接矩阵，最后由Topo-ViT在拓扑约束下进行全局表示学习。该结果说明模型内部确实实现了从局部组织特征到全局网络状态的逐级建模。
4.4 Performance analysis of the proposed architecture
性能分析表明，模型在50个epoch内训练稳定，验证集损失和准确率与训练集走势接近，未见明显过拟合。测试集ROC-AUC达到0.857。在通过Youden's J统计量选取0.44最优阈值后，模型对痴呆病例的敏感性达到100%，对结构健康受试者的特异性为85.37%，总体准确率为85%。进一步与默认0.50阈值比较后发现，0.44阈值可将敏感性由85%提升至100%，负预测值（negative predictive value，NPV）升至1.00，同时Matthews相关系数（Matthews Correlation Coefficient，MCC）由0.61提高至0.71。该部分结论是，拓扑感知表征不仅具备较强区分能力，而且通过阈值优化可提高筛查安全性，尤其可避免漏诊痴呆病例。
4.5 Computational performance of the proposed architecture
计算性能评估显示，整网共有33.94 M可训练参数，模型文件约129.47 MB，理论计算复杂度约18.5 GMACs，单例推理平均延迟45.61 ms，吞吐量约21.92个体积/秒，峰值显存260.34 MB。值得注意的是，3D CNN占总参数97.7%，且贡献了99.2%的运行时间；新增的GAT与Topo-ViT仅带来极小时间开销。该结果说明，引入网络层级推理和拓扑偏置并未显著损害实时推理能力，模型具备临床部署潜力。
4.6 Biological validation and statistical robustness
生物学验证部分首先通过全队列扰动稳定性测试评估动态图结构的鲁棒性，测试集受试者的平均图结构Pearson相关系数为0.7368，说明所推断拓扑具有较高稳定性，并非噪声产物。随后，研究人员将痴呆测试组的动态图聚合生成群体层面的网络枢纽空间分布，发现其与认知下降和神经退行性病变相关脑区相一致，支持模型推理具有生物学合理性。统计稳健性方面，1000次bootstrap分析得到ROC-AUC的95%置信区间为0.7552–0.9493，证明性能并非偶然来源于某一特定数据划分。最后，t-分布随机邻域嵌入（t-distributed stochastic neighbor embedding，t-SNE）结果显示健康组与痴呆组在最终潜在空间中清晰分离。该部分结论是，模型不仅有效，而且具有稳定、可解释的疾病相关表示。
4.7 Ablation study
消融研究设置了5种架构情景：仅3D CNN、CNN + Topo-ViT、CNN + Dyn-GAT、CNN + Static-GAT + Topo-ViT以及完整模型。结果显示，基线3D CNN的AUC为0.8330；仅加入Transformer或仅加入动态图模块都带来局部性能变化，但不足以完整表征AD病理；采用静态图谱邻接矩阵也限制了性能，说明群体先验无法替代个体化连接建模。完整模型在各方案中表现最佳，获得81.48%的最高总体准确率和0.6833的最高PR-AUC，并在特异性、敏感性与MCC之间取得更优平衡。同时，从基线到完整模型仅增加少量参数、约2.1 ms延迟和很小吞吐下降。该部分得出的核心结论是，最佳诊断性能依赖于体积特征提取、动态图连接学习与拓扑引导全局注意力三者的联合，而非任何单一组件。
讨论部分指出，本研究结果支持将AD视为一种网络断连性疾病进行建模。拓扑感知机制使模型能够在统一框架内整合局部形态学改变与全局结构连接退化，从而得到更一致、更可靠的诊断表征。与仅依赖2D切片、普通CNN、标准Transformer或静态图谱的方法相比，该研究提出的患者特异性动态图与拓扑偏置注意力具有明确优势。同时，模型在严格受试者层级划分下取得稳定结果，说明其性能更接近真实临床泛化能力。不过，论文也明确指出当前研究仍局限于单一数据集且样本量中等，仅使用结构MRI，尚未纳入PET或临床生物标志物，因此跨中心、多模态和纵向验证仍是后续关键方向。
研究结论部分可译为：本研究提出了一种基于结构磁共振成像（sMRI）进行阿尔茨海默病（AD）诊断的拓扑感知混合深度学习（DL）框架，旨在将该疾病建模为一种大尺度网络断连过程。通过整合3D卷积骨干网络、动态图注意力网络（GAT）和拓扑偏置Vision Transformer（Topo-ViT），所提出架构能够有效捕捉局部形态测量改变与全局结构连接模式。不同于依赖2D表示或预定义图谱的传统方法，该框架可直接从体积数据中学习患者特异性连接，并将该信息纳入全局注意力机制。综合实验评估表明，在严格的受试者层级数据隔离条件下，该模型实现了稳健的诊断性能，保证了具有临床可靠性的泛化能力。结果还表明，与基线CNN及其他混合架构相比，拓扑引导注意力提高了判别能力。尤其是，在保持竞争性特异性的同时获得较高敏感性，突显了该模型在早期筛查场景中的潜力，因为这类场景对减少假阴性尤为关键。此外，学习到的连接模式具有稳定性，潜在表征具有清晰分离性，提示该框架捕捉到的是具有生物学意义的疾病特征，而非数据集特异性伪影。尽管结果令人鼓舞，当前评估仍依赖单一且样本量中等的数据集，这可能限制其在不同人群和成像协议中的泛化性；同时，该框架仅关注结构MRI，未整合PET成像或临床生物标志物等互补模态。未来工作将扩展至更大规模、多中心数据集，以验证其在异质临床环境中的稳健性；同时结合功能影像和认知评估等多模态数据，以更全面地刻画疾病进展，并探索纵向建模、轻量化优化以及真实临床环境部署。
