TriFusion-ADFormer：一种基于MRI与认知指标的早期阿尔茨海默病检测的深度学习框架

《Frontiers in Artificial Intelligence》：TriFusion-ADFormer: a deep learning framework for early Alzheimer’s disease detection using MRI and cognitive metrics

　　

引言：阿尔茨海默病（Alzheimer’s disease，AD）是一种渐进性神经退行性疾病，伴随认知功能逐渐丧失与神经元变性。早期且准确的诊断对于及时干预和改善患者管理至关重要。然而，如何有效整合互补的多模态信息以实现可靠的AD分类仍是一项重大挑战。方法：本研究提出TriFusion-ADFormer，一种用于AD、轻度认知障碍（mild cognitive impairment，MCI）与认知正常（cognitively normal，CN）受试者多分类的多模态深度学习框架。该框架提取结构磁共振成像（structural magnetic resonance imaging，MRI）特征，以及基于体积测量生成的MRI衍生临床文本摘要，并结合MMSE、GDS、Global CDR、FAQ与NPI-Q等认知评估特征进行融合分类。结果：所提TriFusion-ADFormer在多分类任务中取得86.0%总体分类准确率、0.93的Macro AUC与86.0%的F1-score。此外，MRI衍生的临床摘要与AD典型结构异常（如弥漫性脑萎缩）一致，进一步支持了框架的可解释性。讨论：结果表明，结构MRI、MRI生成的语义临床摘要与认知评估分数的多模态组合提升了阿尔茨海默病诊断的准确性与可解释性，凸显了在Transformer框架中引入互补影像、语义与认知特征以改进AD、MCI与CN三分类的潜力。

研究背景方面，阿尔茨海默病（Alzheimer’s disease，AD）作为导致痴呆的主要神经退行性疾病，85岁以上人群患病率约达50%，早期识别AD及其前驱期轻度认知障碍（mild cognitive impairment，MCI）对延缓病程具有决定意义。结构磁共振成像（structural magnetic resonance imaging，MRI）是可追踪脑萎缩与皮层改变的重要无创生物标志物，而认知行为评分与MRI衍生的语义摘要可提供定量与语义互补信息。现有Transformer架构多聚焦单模态，少有研究将神经影像、MRI自动生成的临床文本与神经心理量表分数统一融合；同时多数模型仅做AD与认知正常（cognitively normal，CN）的二分类，忽略MCI过渡态。为此，研究人员在《Frontiers in Artificial Intelligence》提出TriFusion-ADFormer，旨在以统一Transformer框架融合三维影像、语义文本与数值认知特征，实现AD、MCI、CN三分类并兼顾可解释性。

关键技术方法上，研究人员采用阿尔茨海默病神经影像计划（Alzheimer’s Disease Neuroimaging Initiative，ADNI）队列，共105名受试者（AD 39人、MCI 26人、CN 40人）、306次扫描 session、14346张MRI切片；MRI经PyDICOM读取、Swin Transformer V2图像处理器调整为192×192 RGB并归一化，无颅剥与配准；体积指标由MONAI流水线估算并自动生成临床文本，经BERT WordPiece分词；认知分数（MMSE、GDS、Global CDR、FAQ、NPI-Q）缺失填零后StandardScaler标准化；三分支分别用Swin Transformer V2（影像块嵌入+移位窗口注意力+层次合并+全局池化得e_m）、BERT（取[CLS]隐状态得e_t）、两层MLP（ReLU+Dropout+BN得e_s）提取特征，拼接后送入含三层全连接与Softmax的分类头，以AdamW与交叉熵训练，按受试者级别3折交叉验证防泄漏。

研究结果部分，研究人员依原文小标题依次汇报。计算复杂度与资源：模型共137.94 M参数，0.83 GMACs，双NVIDIA Tesla T4下吞吐69.3 samples/s，峰值显存2344.5 MB。分类报告：总体准确率86.0%、Macro AUC 0.93、敏感性85.9%、特异性93.3%、精确率86.1%、F1 86.0%、ECE 0.055；类级表现CN最优（AUC 0.96，F1 0.90），AD次之（AUC 0.95，F1 0.88），MCI较弱（AUC 0.87，F1 0.79）。混淆矩阵分析：3折受试者级交叉验证对角线占优，MCI主要与AD/CN互错，符合其过渡态特性。相关矩阵分析：MMSE与Global CDR（?0.7795）、FAQ（?0.7443）强负相关的临床规律被复现，Global CDR与FAQ正相关0.8180，VIF均<10无严重共线。ROC曲线：AD 0.965、CN 0.973、MCI 0.890。训练时间：全模型50.97分钟，单模态分数4.10分、文本10.21分。Grad-CAM可解释性：激活热图集中于海马、额叶等AD相关区域且与萎缩程度正向对应。与现有方法比较：MobileViT 79.2%、CNN-Transformer 81.1%、UNETR 82.4%、TransBTS 83.0%、MedFormer 84.2%、NeuroNet-AD 84.8%，TriFusion-ADFormer 86.0%居首，配对t检验p<0.05全显著。消融实验：单用分数76.5%、文本78.4%、MRI 82.3%；双模MRI+文本84.9%最高双模组合，三模全模型86.0%。交叉验证：三折均值准确率86.0%、AUC 0.926、F1 0.860，折间波动84.7%–87.1%。临床摘要示例：海马总体积4830 mm³（参考5600–8000）示中度萎缩，额叶71700 mm³轻度萎缩，全脑1185000 mm³轻度全脑萎缩，与AD典型改变一致。

讨论部分，研究人员指出三模态互补是性能来源：SwinV2捕层次结构、BERT编码体积衍生语义、MLP学认知模式；临床文本由体积测量自动生成，非独立临床报告，唯一非影像模态为认知分数；局限包括缺临床医生闭环评估、无前瞻性部署、ADNI队列异质性有限、未测噪声/缺失模态鲁棒性；简单拼接融合虽抗过拟合但未来可试跨注意力或门控融合。结论部分翻译如下：所提多模态深度学习框架TriFusion-ADFormer在ADNI上取得86.0%准确率、0.93 Macro AUC与86.0% F1，证明结构MRI、MRI衍生临床摘要与认知分数的结构-语义-行为联合可提升AD/MCI/CN判别；3折受试者级交叉验证证实泛化性；研究受限于ADNI精选队列，实际临床推广需医生闭环、鲁棒测试与外部多中心验证。