論文の概要: Evaluating the Generalization of Neuroimaging Foundation Models on African Brain MRI

• arxiv url: http://arxiv.org/abs/2609.23983v1
• Date: Mon, 21 Sep 2026 01:33:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.037459
• Title: Evaluating the Generalization of Neuroimaging Foundation Models on African Brain MRI
• Title（参考訳）: アフリカ脳MRIを用いた神経画像基礎モデルの一般化評価
• Abstract要約: 我々は,最新の脳画像基礎モデル(BrainIAC,Neuro-JEPA,NeuroVFM,Primus)を3方向診断分類タスクで評価した。 これらの凍結型神経画像基礎モデルは,小・中西部臨床コホートにおける詳細な診断には不十分であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neuroimaging foundation models pretrained on large, predominantly western cohorts are increasingly proposed as general-purpose backbones for brain MRI analysis. Yet, their ability to generalize to underrepresented clinical populations remains largely untested. We evaluate four recent foundation models (BrainIAC, Neuro-JEPA, NeuroVFM, and Primus) on a three-way diagnostic classification task (Control, Dementia, Parkinson's disease) using a cohort of 88 subjects from a Nigerian clinical brain MRI dataset, across four modality configurations (T1w, T2w, T1w+T2w, FLAIR), and compare against an end-to-end trained ViT3D baseline. The frozen backbones collapse to majority-class predictions, while Neuro-JEPA on FLAIR shows modest but still limited discrimination. In contrast, the end-to-end trained ViT3D achieves higher accuracy and MCC on every task (up to 53.4% accuracy, MCC=0.27) and is the only model with non-trivial recall. Our findings suggest that these frozen neuroimaging foundation models are insufficient for fine-grained diagnostic classification in small, non-western clinical cohorts, motivating parameter-efficient adaptation and broader multi-site external validation for equitable deployment in global health settings.
• Abstract（参考訳）: 大型で主に西部のコホートで事前訓練された神経画像基礎モデルは、脳MRI解析のための汎用バックボーンとしてますます提案されている。 しかし, 人口密度の低い臨床患者に一般化する能力は, いまだに実証されていない。 ナイジェリアの臨床脳MRIデータセットから得られた88名の被験者のコホートを用いて,最新の4つの基礎モデル (BrainIAC, Neuro-JEPA, NeuroVFM, Primus) を3方向診断分類タスク (Control, Dementia, Parkinson病) で評価し, 4つのモダリティ構成 (T1w, T2w, T1w+T2w, FLAIR) を比較し, エンドツーエンドのトレーニングされたViT3Dベースラインと比較した。 凍結した背骨は多数派の予測に崩壊し、FLAIR上のNeuro-JEPAは控えめだが差別は限定的である。 対照的に、エンドツーエンドの訓練されたViT3Dは全てのタスクにおいて高い精度とMCC(最大53.4%の精度、MCC=0.27)を実現し、非自明なリコールを持つ唯一のモデルである。 これらの凍結型神経画像基礎モデルは, 小規模・非西部臨床コホートにおける詳細な診断分類には不十分であり, パラメータ効率適応の動機付けと, グローバルな健康環境における公平な展開のためのより広範な多地点外的検証が可能であることが示唆された。

関連論文リスト

• A Vision-Language Foundation Model for Precise and Comprehensive Brain Tumor Diagnosis from Preoperative Multimodal Data [50.52606847963128]
  我々は、世界保健機関(WHO)の脳腫瘍タイプを分類するためにBrainVLMを開発した。 BrainVLMは40,043人のマルチモーダルデータ(MRIスキャン、人口統計学、放射線学)で訓練された。 病理組織学的に確認された脳腫瘍5,211例についてBrainVLMを施行した。
  論文  参考訳（メタデータ） (2026-09-15T03:46:03Z)
• BrainAnytime: Anatomy-Aware Cross-Modal Pretraining for Brain Image Analysis with Arbitrary Modality Availability [9.583290278078428]
  我々は、34,899個の脳スキャンで事前トレーニングされた統合事前トレーニングフレームワークBrainAnytimeを提示する。 単一のモデルは、単一のT1スキャンから完全なマルチモーダルワークアップまで、利用可能などんな画像も受け入れる。 BrainAnytimeは、モダリティ固有のモデル、欠落したモダリティベースライン、大規模な脳MRI事前訓練基礎モデルを上回っている。
  論文  参考訳（メタデータ） (2026-05-13T06:32:28Z)
• Specializing Foundation Models via Mixture of Low-Rank Experts for Comprehensive Head CT Analysis [6.04562866374803]
  複数の特殊な低ランクアダプタと教師なしソフトルーティングでLoRAを拡張したMixture of Low-Rank Experts (MoLRE) フレームワークを提案する。 2次元および3次元のアーキテクチャ、一般ドメイン、医療ドメイン、頭部CT固有の事前訓練、および7Mから431Mのモデルサイズにまたがる6つの最先端医療画像基盤モデルのMoLREのベンチマークを提示する。
  論文  参考訳（メタデータ） (2026-02-28T14:32:38Z)
• Building a General SimCLR Self-Supervised Foundation Model Across Neurological Diseases to Advance 3D Brain MRI Diagnoses [2.4836875944302634]
  3次元脳構造MRIのための汎用高分解能SimCLRベースSSL基盤モデルを提案する。 アルツハイマー病の予測にはラベル付きトレーニングサンプルの20%しか使用していない。
  論文  参考訳（メタデータ） (2025-09-12T18:05:08Z)
• Towards a general-purpose foundation model for fMRI analysis [58.06455456423138]
  我々は,4次元fMRIボリュームから学習し,多様なアプリケーション間で効率的な知識伝達を可能にするフレームワークであるNeuroSTORMを紹介する。 NeuroSTORMは、複数のセンターにまたがる5万人以上の被験者から5歳から100歳までの28.65万fMRIフレーム(→9000時間)で事前トレーニングされている。 年齢/性別予測、表現型予測、疾患診断、fMRI-to-image検索、タスクベースのfMRIの5つのタスクにおいて、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-06-11T23:51:01Z)
• A Non-contrast Head CT Foundation Model for Comprehensive Neuro-Trauma Triage [5.39145170841044]
  AIと医用画像の最近の進歩は、緊急頭部CTの解釈にトランスフォーメーションの可能性をもたらす。 本研究では, 多様な神経外傷所見を高精度かつ効率的に検出するための3次元基礎モデルを提案する。
  論文  参考訳（メタデータ） (2025-02-28T14:44:55Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。