设计隐式的人群学习器:一种用于脑疾病诊断的排列等变状态空间方法

《Frontiers in Computational Neuroscience》:Designing implicit population learners: a permutation-equivariant state space approach for brain disease diagnosis

【字体: 大 中 小 】 时间:2026年03月27日 来源:Frontiers in Computational Neuroscience 2.3

编辑推荐:

  摘要 引言:群体感知学习最近作为一种基于神经影像的疾病诊断的有前景的范式出现,因为群体层面的互动可以提供超出单个影像特征的补充信息。然而,大多数现有方法依赖于明确构建的图谱,这引入了非平凡的设计选择、可扩展性限制以及对图谱拓扑的敏感性。通过结合参与式互动的设计理念,我们提出了IP

  摘要
引言:群体感知学习最近作为一种基于神经影像的疾病诊断的有前景的范式出现,因为群体层面的互动可以提供超出单个影像特征的补充信息。然而,大多数现有方法依赖于明确构建的图谱,这引入了非平凡的设计选择、可扩展性限制以及对图谱拓扑的敏感性。通过结合参与式互动的设计理念,我们提出了IP-Mamba,这是一个针对神经影像队列的可扩展且内存效率高的框架,它能够在不进行显式图谱构建的计算负担的情况下模拟隐性的群体互动。

方法:IP-Mamba将一组受试者视为一个无序集合,并采用基于双向Mamba的序列建模机制来捕捉受试者之间的潜在依赖性。为了解决序列模型固有的顺序敏感性问题,我们引入了一种洗牌一致性策略(Shuffle Consistency Strategy),该策略在随机排列受试者顺序时促进排列等变性,从而使模型行为与群体数据的集合基础特性保持一致。这种设计能够在保持与群体大小相关的线性计算复杂性的同时,实现高效的隐式超图建模。我们在OASIS-1数据集上评估了IP-Mamba,重点关注阿尔茨海默病(正常对照组与异常组)的二元分类作为早期临床筛查任务。为了解决严重的类别不平衡问题并确保诊断稳定性,我们实现了一种结合了鲁棒混合SVM决策层的上下文群体支持集推理机制。

结果:实验结果表明,IP-Mamba实现了87.84%的平衡准确率,并且对于少数疾病类别保持了89%的高敏感性(召回率)。与传统的3D CNN和基于Transformer的基线方法相比,IP-Mamba提供了高度竞争性的诊断鲁棒性,同时保持了高效的线性O(N)内存扩展性,而没有基于图的注意力网络典型的二次计算瓶颈。

讨论:全面的消融研究进一步证实了双向建模和洗牌一致性正则化的必要性。总体而言,IP-Mamba提供了一种原则性更强、内存效率更高的替代方案,适用于在不平衡的临床环境中进行群体感知神经影像分析。

1 引言
1.1 临床动机和群体层面背景
在阿尔茨海默病(AD)等神经退行性疾病的临床诊断中,诊断决策很少是通过单独评估单个患者的影像数据来做出的。相反,经验丰富的放射科医生和临床医生通常会进行一种基于案例的推理,其中将受试者的结构变化与之前遇到的健康和病理案例的庞大心理库进行隐式比较(Norman等人,2007年)。反映了参与式互动的设计思想(Sanders和Stappers,2008年),这种比较过程允许识别出作为独立数据点分析时可能被忽略的微妙萎缩模式。深度学习的最新进展显著自动化了使用3D卷积神经网络(CNNs)和视觉Transformer(ViTs)进行AD的二元筛查(Shamshad等人,2023年;Wen等人,2020年)。虽然最近的多模态方法(Han,2025年)利用了异构临床数据(如PET成像和认知量表)来提高预测能力,但在资源有限的临床环境中,有效的筛查往往依赖于最大化结构性MRI的效用。然而,这些最先进的框架大多数仍然作为“孤立学习者”运作。它们将每次MRI扫描视为一个独立且同分布(i.i.d.)的样本,有效地忽略了临床实践所依赖的宝贵群体层面先验(Parisot等人,2018年;Jiang等人,2020年)。尽管单个特征提取的性能已经达到了一个平台期,但可靠的计算机辅助诊断(CAD)的瓶颈已经转移到了受试者之间依赖性的建模上——具体来说,是一个个体受试者如何与更广泛的临床队列分布相关联。

1.2 显式图谱建模的局限性:语义和方法论差距
为了捕捉这些受试者之间的依赖性,最近的文献转向了基于群体的图谱学习。通过将受试者表示为节点,将它们的表型相似性表示为边,图卷积网络(GCNs)在AD分类中展示了有希望的结果(Parisot等人,2018年;Song等人,2019年)。然而,这些基于显式图谱的方法引入了一系列挑战,阻碍了它们的临床整合。首先,构建群体图谱通常需要预先定义的启发式规则——例如对年龄或遗传相似性进行阈值处理——来确定边权重。这个过程本质上是主观的,往往无法捕捉受试者之间的高维潜在相关性,从而在手动设计的拓扑结构和真实的潜在生物学关系之间造成了“语义差距”。此外,显式图谱存在可扩展性和灵活性限制。标准的GCNs相对于节点数量至少具有二次计算复杂性,使得当临床数据库扩展到数千个受试者时,计算变得不可行。更关键的是,大多数基于图谱的框架对图谱拓扑敏感;添加或移除一个受试者需要完全重新计算图谱拉普拉斯矩阵,这与现实世界临床工作流的动态和增量性质不符(Parisot等人,2018年;Kipf和Welling,2017年)。因此,迫切需要一个能够以内存高效的方式模拟隐式群体互动的框架——捕捉受试者之间关系的本质,而无需显式图谱构建的僵化和昂贵的开销。

1.3 提出的IP-Mamba:朝向隐式和排列等变的群体学习
为了解决诊断模糊性的“棘手问题”(Buchanan,1992年),我们提出了IP-Mamba,这是一个原则性更强且内存效率高的框架,专为隐式群体互动建模而设计。IP-Mamba摆脱了对预定义图谱拓扑的严格依赖,将群体互动任务重新解释为对一组受试者的序列建模问题。我们架构的核心是使用状态空间模型(SSMs),特别是Mamba块(Gu和Dao,2024年;Yue和Li,2024年;Ma等人,2024年),它在Transformer的长距离依赖性建模和大规模医疗队列所需的线性计算效率之间提供了更好的平衡。然而,将Mamba适应于群体数据提出了一个根本的理论挑战:标准的SSMs本质上是顺序敏感的,而临床群体——在数学上表示为一个集合——本质上是无序的。为了解决这种结构不匹配,我们引入了两个协同的设计选择。首先,我们采用双向Mamba机制来捕捉来自前后受试者排序的潜在依赖性,有效地模拟了基于图的消息传递中的无向信息交换(Wang等人,2024年)。其次,我们提出了一种洗牌一致性策略(?cons)(Varsavsky等人,2018年),这是一种专门的正则化项,它促进预测等变性:确保如果受试者顺序发生变化,相应的预测也会相应地排列。通过惩罚不同受试者排序下的潜在表示的方差,我们明确地将模型的归纳偏差与群体数据的集合基础特性对齐。我们在OASIS-1数据集(Marcus等人,2007年;Folego等人,2020年)上评估了IP-Mamba的有效性,重点关注阿尔茨海默病的二元筛查这一高敏感性临床诊断任务。

1.4 主要贡献
本工作的主要贡献总结如下:
原则性框架设计:我们引入了IP-Mamba,这是一种新颖的设计导向架构,它结合了参与式互动的设计思想,以促进隐式的群体层面互动学习。通过将群体分析重新表述为基于集合的序列建模任务,我们消除了对主观和计算成本高昂的显式图谱构建的需求。
通过洗牌一致性实现顺序感知学习:为了弥合状态空间模型(SSMs)的序列性质与临床队列的无序性质之间的差距,我们提出了一种结合了双向Mamba机制和洗牌一致性策略(?cons)的方法。这促进了经验排列稳定性,提供了一种原则性的近似,使模型的归纳偏差与集合基础特性保持一致。
在临床筛查中的卓越效率和性能:我们通过在OASIS-1数据集上的实验表明,IP-Mamba在阿尔茨海默病筛查中实现了卓越的诊断性能,获得了87.84%的平衡准确率和0.89的高敏感性(召回率)。虽然保持了3D-ResNet50骨干网络的表示能力(Yang等人,2025年),但我们的框架保持了高效的线性O(N)内存扩展性。这一架构优势有效地规避了图Transformer特有的二次O(N)2内存爆炸问题,确保了在高性能计算环境中大规模神经影像队列的可扩展性。

2 材料和方法
2.1 问题表述:将群体分析视为集合学习
“设D={(xi,yi)}Mi=1D={(xi,yi)}i=1M表示一个包含M个受试者的神经影像数据集,其中xi ∈ ?C × H × W × D代表第i个受试者的3D MRI体积,yi ∈ {0,1}是相应的二元诊断标签(即正常对照组或阿尔茨海默病)。”

2.1.1 孤立学习范式
传统的深度诊断框架(CNNs或ViTs)在独立同分布(i.i.d.)数据的假设下运行。目标是学习一个映射函数Fθ : X→Y,以最小化单个样本的经验风险(方程1):
minθM∑i=1L(Fθ(xi),yi)
minθ∑i=1M??(Fθ?(xi),yi)
(1)
在推理阶段明确忽略了受试者之间的关系(Shamshad等人,2023年)。

2.1.2 群体图谱范式
为了纳入群体先验,基于图谱的方法基于表型相似性构建了一个显式的邻接矩阵A ∈ ?M × M(Parisot等人,2018年)。学习目标转变为涉及图卷积的传递或半归纳设置:Y = GCN(A,X)。然而,构建A需要启发式阈值处理,并且其规模为O(M2),为大规模队列创造了计算瓶颈(Jiang等人,2020年)。

2.1.3 我们的表述:隐式群体集合学习
我们提出将群体建模重新表述为小批量内的集合学习问题。考虑一个随机抽取的N个受试者的小批量B = {x1,x2,…,xN}作为一个无序集合。我们的目标是学习一个群体感知函数Φ,该函数可以同时预测批次中所有受试者的标签,利用它们的隐式互动(方程2):
[?y1,…,?yN]=Φ({x1,…,xN})
[y^1,…,y^N]=Φ({x1,…,xN})
(2)
核心理论挑战是排列等变性。由于B是一个集合,对受试者xi的诊断预测应该依赖于群体的内在特征,但必须对批次输入中受试者的任意排序保持等变性(Zaheer等人,2017年)。形式上,对于任何作用于索引{1,…,N}的排列操作符π,理想的等变映射应满足(方程3):
Φ({xπ(1),…,xπ(N)})=π(Φ({x1,…,xN}})
Φ?({xπ?(1),…,xπ?(N)})=π?(Φ?({x1,…,xN})
(3)
在这项工作中,我们并没有通过设计来构建一个严格等变的函数。相反,我们提出IP-Mamba通过正则化来近似这一属性。它将集合B转换为一个潜在序列,以实现高效的O(N)互动,同时通过专门的损失项促进排列一致性(图1)。
图1 提出的IP-Mamba框架概述,用于隐式群体学习。该框架将一小批MRI扫描作为一个无序集合而不是固定序列进行处理。独立编码:共享的3D-ResNet骨干网络从每个受试者中提取单独的特征。IP-Mamba块:核心创新,用于模拟潜在的群体互动。它序列化受试者集合,并采用双向共享Mamba机制来捕获来自前后方向的全局上下文,模拟无向图消息传递,计算复杂度为O(N)。
洗牌一致性:在训练过程中,引入了洗牌一致性策略(?cons)来促进排列等变性,确保模型产生的表示不受输入受试者顺序的影响。

2.2 系统设计和IP-Mamba架构
如图1所示,提出的IP-Mamba框架操作于一小批受试者特征Z ∈ ?N × D,其中N是批量大小,D是由共享3D骨干网络提取的特征维度。核心组件是IP-Mamba块,它通过排列等变的状态空间机制隐式地模拟高阶群体互动。

1. 集合到序列的序列化。给定输入集合Z = {z1,z2,…,zN},标准的Mamba层需要顺序输入格式。由于群体集合缺乏内在的时间顺序,我们施加了一个任意的排序来形成一个序列S = [z1,z2,…,zN]。虽然这种操作引入了潜在的顺序偏差,但我们通过我们的双向设计和洗牌一致性正则化(详见第2.3节)来中和它。

2. 双向共享状态空间建模。为了捕捉群体关系的无向性质(即,受试者A和B之间的关系是对称的),我们设计了一个双向共享Mamba机制。与使用单独参数进行前向和后向传递的标准双向RNN不同,我们明确强制权重共享,以确保拓扑对称性。形式上,让SSMθ(?)表示一个由θ参数化的选择性状态空间模型,它通过潜在状态ht将输入序列ut映射到输出yt(方程4):
ht=Aht?1+But,yt=Chtht=Aht-1+B?ut,yt=Cht
(4)
其中A、B、C是离散化的状态矩阵参数(Gu和Dao,2024年)。我们采用对角线SSM配置,其中状态矩阵A被结构化为通道独立的向量,扩展因子设置为E = 2,潜在状态维度配置为dstate = 16。离散化步骤Δ通过线性投影学习,A遵循标准的对数间隔初始化(Gu和Dao,2024年),以实现稳定建模。在IP-Mamba中,我们使用相同的参数集θ(方程5)从两个方向应用这种机制:Hfwd=SSMθ(S),Hbwd=Flip(SSMθ(Flip(S)))。其中Flip(?)表示序列反转操作。前向传递Hfwd捕捉了受试者i对受试者j的影响(其中i < j),而后向传递Hbwd捕捉相反的影响。通过共享θ,我们将“群体序列”视为一个可遍历的图路径,而不是时间信号,从而强制了对称交互的强归纳偏见。

3. 群体特征聚合。最终的群体感知表示Z′是通过残差连接将双向上下文特征与原始个体特征聚合得到的(方程6):Z′=Norm(Z+Linear(Hfwd+Hbwd))。这种设计确保了每个受试者的表示都包含了隐含的群体上下文——有效地整合了小批量中所有其他受试者的信息,且线性复杂度为O(N),避免了显式注意力机制的O(N2)成本(Wang等人,2024年)。

推理协议:由于IP-Mamba是在集合上操作的,处理单个测试受试者需要一个群体上下文。在推理过程中,我们采用了上下文群体支持集(在推理时可选):将测试受试者与从训练集中随机抽取的N-1个代表性样本结合起来,形成一个完整的小组。这种方法允许模型将个体受试者与已知的病理模式进行对比——模仿放射科医生的“基于案例的推理”——同时保持训练期间使用的相同交互机制。

2.3 混洗一致性学习以实现鲁棒的集合表示
虽然提出的双向Mamba机制允许信息在两个方向上流动,但无序受试者集Z最初被序列化为序列S的过程仍然引入了与输入顺序相关的不可避免的归纳偏见。理论上,对于集合上的节点级预测任务,函数Φ必须是排列等变的,即对于任何排列运算符π,条件Φ(π(Z))=π(Φ(Z))必须成立(Zaheer等人,2017年)。我们认识到基于SSM的架构,包括Mamba,本质上是顺序敏感的,并不具备像对称函数(例如Sum/Max Pooling)那样的严格理论排列等变性。然而,严格的数学不变性往往以建模能力的损失为代价(即无法捕捉复杂交互)。为了平衡表达能力和鲁棒性,我们不追求封闭形式的不变解。相反,我们引入了混洗一致性策略,以经验性地将模型限制在一个“近似等变”的流形上。通过明确惩罚在随机排列下潜在表示的差异,我们迫使序列Mamba块学习由数据分布驱动的顺序鲁棒特征,而不是输入序列索引。

2.3.1 一致性正则化机制
具体来说,对于每次小批量迭代,我们生成输入数据的两种视图:原始序列S = [Z1,Z2,…,ZN]和随机排列的版本Sπ = [Zπ(1),Zπ(2),…,Zπ(N)],其中π是索引{1,…,N}的一个随机排列。这两个序列都被输入到共享的IP-Mamba主干网络中,以获得它们各自的概率分布(方程7):P=Φ(S),Pπ=Φ(Sπ)。由于受试者的语义身份保持不变,排列后的序列Pπ的预测理想情况下应该与应用逆排列π?1后的原始序列P的预测相匹配。我们使用混洗一致性策略(?cons)来量化这种差异,定义为对齐预测之间的均方误差(MSE)(方程8):?cons=1/N∑i=1∥pi?p′π?1(i)∥2。其中pi ∈ P是原始序列中第i个受试者的预测,p′π?1(i)∈Pπ是来自混合视图中的相应预测。

2.3.2 优化目标
总体训练目标?total是任务特定监督(交叉熵损失)和辅助一致性正则化(方程9)的加权和:?total=LCE(P,Y)+λ?Lcons。?t?o?t?a?l=?C?E?(P,Y)+λ??c?o?n?s。其中?CE使用真实标签Y确保诊断准确性,λ是一个平衡区分度和等变性的超参数。在我们的实验中,我们将λ设置为1.0。这种双重目标优化迫使模型学习顺序鲁棒的群体特征,有效地模拟了一个隐式的超图,其中节点连接性与遍历路径无关。

3 实验
3.1 数据集和实现细节
3.1.1 数据集描述和评估协议
为了确保模型专注于与阿尔茨海默病病理学相关的神经学特征,我们使用了去颅版本的OASIS-1数据集(Marcus等人,2007年),从而消除了非脑组织(例如颅骨和头皮)的干扰。从这个预处理后的队列中,我们进一步应用了质量控制过滤器,排除了具有分割错误或不完整元数据的受试者,最终得到了355个受试者。我们将诊断任务构建为一个二元分类问题:正常对照(NC)与异常(包括轻度认知障碍MCI和阿尔茨海默病AD)。

为了严格防止数据泄露,我们实施了受试者级别的分层五折交叉验证协议。具体来说,数据集根据唯一的受试者身份被划分为五折,确保来自单个受试者的所有MRI扫描仅被分配到训练集或测试集中。在每次迭代中,20%的受试者被保留用于测试,而剩余的80%用于训练。这种严格的隔离保证了模型在未见过的受试者上进行评估,从而确保了报告性能的可靠性。为了确保统计上的鲁棒性,我们报告了5个独立折叠的平均值±标准差。平均测试集大小保持在大约71个受试者(53个正常对照 vs. 18个异常),严格保持了临床类别的不平衡。

3.1.2 预处理流程
原始MRI体积经过了严格的预处理流程。首先,我们进行了去颅处理以去除非脑组织,然后通过仿射配准将其空间标准化到标准的MNI152模板(Jenkinson等人,2012年)。MRI体积被标准化为128 × 128 × 128体素的大小,接着进行了以海马体为中心的64 × 64 × 64体素的解剖学ROI裁剪,以捕捉与AD病理学相关的周围解剖学背景。这个特定的感兴趣区域(ROI)在解剖学上被校准以包含海马体和周围的侧脑室,从而捕捉最具区分性的形态学萎缩特征,同时排除无信息的背景体素。强度标准化被应用于将体素值缩放到[0, 1]的范围(Jenkinson等人,2012年)。

3.1.3 实现细节
我们的框架使用PyTorch(Paszke等人,2019年)实现,并在具有80GB VRAM的高性能Tensor Core GPU上进行了训练。通过利用这种硬件以及梯度累积,我们保持了有效的批量大小为32。

3.1.4 迁移学习和初始化
3D-ResNet50主干网络(He等人,2016年)使用在23个大规模医学数据集(MedicalNet)上预训练的专家权重进行初始化。这种策略利用了在不同神经影像队列中常见的高级形态学特征,遵循已建立的阿尔茨海默病分类的迁移学习协议(Tanveer等人,2021年)。

3.1.5 训练协议
为了建立一个稳定的群体级参考,从训练池中预先选择了N = 16个代表性受试者的固定支持集。在每次训练迭代中,每个小批量都与这个静态支持集连接起来,使模型能够学习相对于一致群体分布的特征。整个框架使用单阶段高精度训练协议在643个ROI上进行了60个时代的优化。网络使用AdamW(Loshchilov和Hutter,2017年)进行优化,学习率为4 × 10?5。

3.1.6 确定性推理策略
为了确保可重复的评估,我们在推理阶段采用了固定上下文协议。为了保持协议的一致性,推理阶段严格遵循训练配置。训练期间使用的相同确定性N = 16个代表性样本集被用作所有测试受试者的支持集。这种跨阶段对齐消除了潜在的分布偏移,确保报告的性能反映了模型的真实泛化能力。

3.1.7 混合决策机制
为了确保在我们规模较小的队列上的鲁棒泛化,我们将高级表示学习与最终决策过程解耦。2048维的群体感知特征被输入到一个鲁棒的混合SVM(RBF核,Paduvilan等人,2025年)中,超参数通过5折交叉验证进行优化,以找到最优的分割超平面。与可能在不平衡设置中表现出过度自信或有偏梯度的标准Softmax层不同,这种混合设计利用最大边际原则来增强诊断稳定性。为了保持比较的完整性,这种标准化协议被应用于所有基线。此外,为了解决临床不平衡(53个正常对照 vs. 18个异常),我们实施了成本敏感的学习,采用1.0的偏置类别权重:4.5,优先考虑少数疾病类别的检测敏感性。

3.1.8 评估指标
我们报告了平衡准确率(B-Acc)和召回率(敏感性),以全面评估不平衡设置下的性能。IP-Mamba实现了87.84%的鲁棒平衡准确率和0.89的异常类别召回率。

3.2 主要结果和比较
3.2.1 定量性能分析
我们将提出的IP-Mamba框架与标准的3D深度学习基线进行了比较。为了确保公平比较,我们在相同的受试者级别评估协议下重新实现了代表性架构,包括标准的3D-ResNet50(Basaia等人,2019年;Yang等人,2025年)、适应医学体积测量的3D视觉Transformer(ViT-3D)(Jang和Hwang,2022年)以及群体感知的GCN风格架构(Ravinder等人,2023年)。如表1所示,IP-Mamba实现了87.32%的诊断准确率和87.84%的平衡准确率(B-Acc)。考虑到我们筛查设置中的严重类别不平衡(53个正常对照 vs. 18个异常),IP-Mamba在平衡准确率上比3D-ResNet50主干网络(77.73%)提高了10.11%。

表1 方法 参数(M)准确率(%)平衡准确率(%)召回率
3D-ResNet50 46.16 85.92 77.73 0.61
ViT-3D 21.05 80.28 64.78 0.33
GCN风格 134.48 74.65 53.67 0.11
IP-Mamba(我们的)71.67 87.32 87.84 0.89

与标准3D基线的定量比较。为了在类别不平衡的条件下进行公平评估,我们报告了平衡准确率(B-Acc)以及标准指标。IP-Mamba实现了最高的B-Acc(87.84%)和召回率(0.89),显示出比CNN、ViT和显式GCN风格架构更优越的诊断敏感性和鲁棒性。我们将这种改进归因于隐式的群体交互机制。通过在代表性支持集内对个体特征进行上下文化,IP-Mamba有效地捕捉了全局潜在模式,从而获得了比仅依赖个体特征提取更鲁棒的诊断结果。此外,IP-Mamba的表现优于ViT-3D基线(64.78% B-Acc)。这一观察结果与最近的研究一致,这些研究表明Transformer可能需要更大的数据集来建立有效的3D医学体积测量的归纳偏见(Jang和Hwang,2022年)。GCN风格基线(Ravinder等人,2023年)在这种不平衡设置中的表现有限(B-Acc 53.67%),主要是由于它依赖于通过启发式阈值构建的预定义表型图(例如年龄和性别相似性)。这种显式的拓扑结构往往无法捕捉小型、偏斜队列中的复杂潜在相关性,而IP-Mamba的隐式机制通过直接从数据中学习受试者间的依赖性来绕过了这些次优的设计选择。

3.2.2 计算和内存效率
IP-Mamba块的集成为ResNet50主干网络引入了大约25.51M个额外参数(总计71.67M),这伴随着观察到的+10.11%的性能提升。关于内存使用,IP-Mamba相对于群体大小保持了线性内存复杂度[O(N)],与图Transformer中常见的二次增长[O(N2)]不同。虽然我们在实验中使用了80GB GPU来促进批量训练,但模型的线性扩展属性确保了它在标准24GB VRAM GPU(例如NVIDIA RTX 3090)上的可部署性,如图2所示。

图2 图形变换器(橙色,虚线)和IP-Mamba(绿色,实线)之间的VRAM使用比较。虽然图变换器的二次O(N2)复杂度在批量大小增加时会在24GB GPU上引发内存不足(OOM)风险,但IP-Mamba表现出线性内存增长[O(N)]。即使在64的大批量大小下,IP-Mamba也保持在24GB阈值内(由灰线表示),证明了其在高端消费级硬件(例如RTX 3090/4090)上的临床部署可行性。

3.2.3 全面的类别评估
我们分析了模型的类别性能(表2),重点关注其筛查能力。在早期临床诊断中,正常对照(NC)和异常病例(例如MCI和AD)之间的结构边界本质上是模糊的。尽管数据不平衡严重,患病受试者仅占测试集的约25%(18个中的71个),IP-Mamba仍然实现了异常类别的异常高召回率(敏感性)0.89和F1分数0.78。

表2 类别(诊断)精确度 召回率(敏感性)F1分数
NC(正常对照)0.96 0.87 0.91
Abnormal(疾病)0.70 0.89 0.78
18
宏观平均 0.83 0.88 0.85
加权平均 0.89 0.87 0.88
71
整体准确率–– 0.87

IP-Mamba框架在二元临床筛查中的详细类别性能。支持表示测试集中的受试者绝对数量。尽管数据存在严重不平衡(53个正常样本对比18个异常样本),该模型在识别异常样本这一少数类别时仍保持了较高的召回率(0.89),这反映了该模型优先考虑早期风险检测的保守筛选配置。具体来说,混淆矩阵分析显示,在测试集中的18个异常样本中,我们的模型成功识别出了16个,仅漏掉了2个样本(假阴性)。这种显著的敏感性(召回率=0.89)主要归功于MedicalNet提供的专家知识迁移学习与IP-Mamba的隐式群体交互之间的协同作用。虽然性能非常出色,但需要注意的是精确度与召回率之间的权衡(精确度=0.70),这表明该模型更侧重于作为高灵敏度的筛查工具,而非绝对的诊断工具。尽管异常类别的精确度相对较低(0.70),但较高的召回率表明模型更注重对潜在风险的识别,而非过度排除。在“一线筛查工具”的背景下,这种保守的筛选特性具有显著优势,因为它能够最大限度地减少漏诊进展性病例(假阴性)的风险。总体而言,宏观平均F1分数为0.85,加权平均F1分数为0.88,证明了该框架在整个偏态人群分布中的诊断可靠性和鲁棒性。

3.3 消融研究:剖析设计选择
为了系统地验证我们提出的架构的贡献,我们在OASIS-1数据集上进行了消融研究。具体来说,我们旨在回答一个关键研究问题:隐式群体建模是否确实提供了超出单个特征的有用诊断信息?

3.3.1 隐式群体建模的有效性
我们首先研究了引入IP-Mamba模块的影响。作为基线,我们使用了标准的3D-ResNet50骨干网络,该网络将每个受试者视为一个独立的实例(即“孤立学习者”)。如表1所示,这个基线的平衡准确率(B-Acc)为77.73%,异常类别的召回率为0.61。在整合了IP-Mamba模块后——该模块实现了小批量内的双向信息交换——性能显著提升,平衡准确率达到了87.84%,召回率为0.89。这种B-Acc提高了10.11%,证实了潜在的群体背景能够捕捉到单独查看MRI扫描时无法看到的互补病理模式(例如,群体级别的萎缩趋势)(Parisot等人,2018年)。

3.3.2 硬件可扩展性和内存效率
如图2所示,我们评估了不同批量大小下的内存消耗情况以评估可扩展性。虽然图变换器在24GB GPU上遇到中等至大型批量时的内存增长问题并受到OOM(Out of Memory)限制,但IP-Mamba表现出稳健的线性增长趋势。我们框架的结构效率确保了在高内存消费级硬件上仍能进行群体级推理,有效规避了显式图构建中的内存瓶颈。

3.3.3 排列鲁棒性的实证验证
为了量化模型对输入顺序的稳定性,我们分析了潜在表示在随机排列下的特征方差。如图3所示,标准循环方法表现出较高的方差,表明其对受试者顺序的依赖性不可靠。相比之下,我们的Shuffle Consistency策略将这种方差降低了三个数量级,降至1.28 × 10^-6的不可忽略水平。这证实了IP-Mamba有效地实现了排列等变性,确保了无论输入组织如何都能做出客观的诊断决策。

3.4 可视化和定性分析:揭示隐式群体结构
为了严格解释我们框架的“黑箱”行为,并验证IP-Mamba模块是否真正捕捉到了具有区分性的群体结构,我们使用了t分布随机邻域嵌入(t-SNE)(Van der Maaten和Hinton,2008年)进行了定性分析。我们从整个研究队列中提取了高维的潜在群体表示,并将其投影到一个二维流形中。

3.4.1 流形可分性
对潜在空间的视觉检查(图4)显示,正常对照组(NC)和疾病组(AD)之间有明显且稳健的分离。这证实了IP-Mamba在二元筛查设置下成功提取了具有区分性的病理特征。这些不同诊断阶段的清晰聚类从视觉上验证了学习到的群体先验在临床上的意义,提供了一个高度可分离的特征空间,从而支持了我们决策层所实现的高召回率(0.89)。

3.4.2 临床一致性
至关重要的是,这一可视化结果证实了我们的核心设计假设:通过允许小批量内的隐式交互,模型自动学会了将新受试者相对于潜在的“群体原型”进行定位。可见的分离表明IP-Mamba有效地弥合了语义上的差距,将原始的3D体素强度转化为一个在临床上对齐的特征空间,在这个空间中疾病状态在拓扑上是不同的且全局结构化的。尽管由于我们状态空间模型的隐式特性,我们没有使用像素级别的归因方法(例如Grad-CAM),但图4中清晰的流形分离,结合我们限制在海马区的输入,表明IP-Mamba捕捉到了全局的形态学偏差(即宏观尺度的萎缩模式),而不是局部的纹理变化或虚假的背景相关性。

3.5 推理稳定性分析
除了排列等变性之外,实际临床应用的一个关键要求是模型对参考批量组成的鲁棒性。基于群体的方法的一个潜在弱点是对特定参考受试者的敏感性(即邻居依赖性)。为了定量评估这一点,我们在异常队列上进行了推理稳定性测试。为了便于可视化,我们选择了一个代表性的异常受试者,并将其与30个不同的随机采样参考批次进行了对比。如图5所示,该异常受试者的预测概率始终保持较高且稳定,平均概率(μ)为0.881,标准差(σ)为0.0182。这种实证行为突出了两个关键特性:首先,极低的方差表明IP-Mamba模块并不过分依赖特定的邻居,有效地过滤掉了来自批量背景的虚假相关性;其次,稳定性确保了最终诊断决策的高度可靠性。即使在参考批次发生变化的情况下,预测概率也始终高于决策阈值(τ = 0.5)。这表明IP-Mamba在多样化的临床批次环境中提供了一致的筛查结果,符合可靠医学诊断所需的严格鲁棒性标准。

4 结论
在本文中,我们介绍了IP-Mamba,这是一个计算效率高的框架,它推进了基于群体的神经影像分析。通过从显式的、计算成本高昂的O(N^2)图构建转向隐式的、基于集合的状态空间建模方法,我们有效地将3D神经影像数据的高维复杂性与群体级推理的临床需求联系起来。我们的框架体现了“参与式智能”的设计理念,成功地将单个特征提取转化为集体诊断共识,模仿了人类医学专家的协作诊断过程。我们方法的核心创新在于将双向共享Mamba机制与Shuffle Consistency策略(?cons)相结合。这种架构设计显著解决了状态空间模型固有的顺序处理与受试者队列的无序性之间的根本理论冲突。因此,IP-Mamba实现了有效的排列等变性以及高度稳健的推理稳定性,确保了无论参考批次组成如何,诊断决策都保持客观性。在OASIS-1数据集上的实证验证证实了我们框架的优越性。通过用大规模医学预训练初始化3D-ResNet50骨干网络并利用潜在的群体背景,IP-Mamba成为标准3D-CNN和ViT基线的有力竞争者,实现了87.84%的平衡准确率和0.89的高召回率。关键的是,IP-Mamba保持了O(N)级别的线性内存占用,克服了图变换器典型的二次方内存爆炸问题。这种结构效率确保了高分辨率的群体建模可以在高内存消费级GPU上安全部署,有效缓解了在有限临床队列中的硬件限制。

展望未来,IP-Mamba为神经影像分析建立了一个稳健的基础,作为一个专门的隐式群体学习器。虽然目前的验证主要集中在结构性MRI上,但该框架的线性可扩展性和强大的集合建模能力为未来的研究开辟了新的途径。它具有巨大的潜力,可以将异构的临床模式(如遗传学、人口统计数据和认知评分)整合到一个统一的、考虑交互作用的决策支持系统中,用于神经退行性疾病的早期诊断。此外,我们计划在未来的研究中研究SSM特定的可解释性技术,例如状态扰动分析,以提供更细粒度的特征归因。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号