VolTA-3D: Apprendimento Auto-Supervisionato per Risonanza Magnetica Cerebrale tramite Allineamento di Token Volumetrici 3D

È stato sviluppato un nuovo framework di apprendimento auto-supervisionato chiamato VolTA-3D per l'analisi di risonanze magnetiche cerebrali. Questa tecnica utilizza un Vision Transformer 3D per creare rappresentazioni volumetriche trasferibili allineando token di classe globali con token di patch locali in un framework studente-insegnante, promuovendo al contempo una ricostruzione strutturale dettagliata. Affronta le sfide poste dalla limitata diversità semantica e dalle complesse caratteristiche anatomiche delle risonanze magnetiche cerebrali, che ostacolano le tecniche SSL esistenti. Progettato per un'ampia applicabilità su vari dataset, protocolli di imaging e compiti downstream, questo modello supera i limiti degli attuali modelli 3D, che spesso si concentrano esclusivamente sulla segmentazione o sulla classificazione. I risultati sono disponibili in un preprint su arXiv (2605.16775).