Supervertici Corticali Migliorano la Rilevazione dell'Alzheimer con i Vision Transformers

Un nuovo modello di IA chiamato CSV-ViT utilizza supervertici corticali (CSV) di dimensioni variabili per analizzare le superfici corticali del cervello da scansioni MRI strutturali, con l'obiettivo di rilevare più accuratamente le patologie del morbo di Alzheimer. L'approccio affronta le limitazioni dei modelli di deep learning basati sulla superficie esistenti, che spesso includono regioni non corticali come la parete mediale e soffrono di vertici duplicati ai confini delle patch. Preservando le regioni di interesse (ROI) e partizionando la superficie corticale in patch basate su vertici di dimensioni variabili, CSV-ViT migliora rispetto ai metodi di patch uniformi. Il modello è progettato per funzionare su varietà non euclidee, in particolare la topologia sferica delle superfici corticali. Questa ricerca, pubblicata su arXiv (2605.26514), propone una strategia di tokenizzazione che migliora l'architettura Vision Transformer per l'imaging medico. L'obiettivo è consentire lo screening preliminare del morbo di Alzheimer utilizzando la MRI strutturale, che è meno costosa e invasiva delle scansioni PET. Lo studio si concentra sulla metodologia computazionale piuttosto che sulla validazione clinica.