多模态学习之论文阅读：《Multi-modal global- and local- feature interaction with attention-based mechanism for diagnosis of Alzheimer’s disease》
《Multi-modal global- and local- feature interaction with attention-based mechanism for diagnosis of Alzheimer’s disease》 -2024.9
本文提出了一种新的多模态学习框架，用于提高阿尔茨海默病（Alzheimer's disease, AD）的诊断准确性。该框架旨在通过结合临床表格数据和大脑的三维磁共振成像（3D Magnetic Resonance Images, MRI）来诊断AD，尤其是其早期阶段---轻度认知障碍（Mild Cognitive Impairment, MCI）。
（一）要点
- 开发一种结合3D MRI和临床表格数据的多模态学习框架，以提高AD的诊断准确性。
- 提出了一种新颖的多模态全局-局部特征融合方法（Multi-Modal Global–Local Fusion, MMGLF），该方法通过注意力机制（attention-based mechanism）来增强不同模态数据间的特征融合能力。与传统的仅依赖于全局特征融合的方法相比，MMGLF考虑了图像和临床数据的全局和局部信息，以实现更精细的特征学习。
（二）步骤
- 数据收集：使用ADNI和OASIS-1数据库中的3D MRI和临床数据。
- 数据预处理：包括缺失数据处理、归一化和独热编码。
- 模型设计：构建包含全局模块和局部模块的网络结构，其中局部模块采用注意力机制。
- 全局特征融合（Global Feature Fusion）
- 全局特征融合的目的在于提取并整合两种模态数据的全局信息。具体来说：
- 首先，使用深度学习模型（如卷积神经网络CNN）从3D MRI图像中提取特征，同时使用文本编码器（如1D卷积）处理临床表格数据。
- 通过全局池化操作（如全局最大池化）将3D MRI特征图转换为特征向量，同时将文本编码器的输出作为临床表格数据的全局特征表示。
- 将两种模态的全局特征向量进行拼接，形成一个综合的全局特征表示，这有助于捕捉整个大脑区域的全局结构变化。
- 局部特征融合（Local Feature Fusion）
5.1 对于3D MRI数据
使用深度卷积神经网络（如ResNet架构）来提取3D MRI图像的特征图（feature maps）。这些特征图包含了图像的局部信息，如不同脑区的形态变化。
5.2 对于临床表格数据
使用文本编码器（如1D卷积神经网络）来处理临床数据，提取关键的临床特征。
5.3 注意力机制的引入
- 注意力机制是局部特征融合的关键，它允许模型动态地聚焦于对分类任务最重要的特征，利用临床表格特征与3D MRI特征图之间的交互，通常通过点积（dot product）来实现。再通过softmax函数对交互结果进行归一化处理，确保所有权重的和为1，从而形成一个有效的概率分布，为3D MRI的每个局部特征分配权重。
- 特征加权：利用分配的权重，对3D MRI的局部特征图进行加权求和，得到加权平均的局部特征表示，该加权后的局部特征即为考虑了临床信息的局部特征表示。
- 将加权后的局部特征与3D MRI图像？进行整合，形成最终的局部特征表示。
- 特征映射：将3D MRI的全局特征向量转换为局部特征矩阵，以便进行细粒度的融合。
- 模型训练：使用PyTorch和Adam优化器进行端到端训练。
- 性能评估：采用准确率、特异性、精确度、AUC和F1分数等指标评估模型性能。
（三）提升
多模态融合：通过同时考虑全局和局部信息，提升了特征融合的表达能力。
注意力机制：使模型能够学习到更具区分性的特征表示。
实验验证：在两个公开数据库上的实验结果显示，所提方法优于现有技术。
（四）不足
数据集局限：研究主要基于两个特定的数据库，可能存在选择偏差，泛化能力需进一步验证。
模型可解释性：虽然引入了注意力机制，但模型的决策过程和特征重要性仍需更深入的解释。
临床应用可行性：模型在实际临床环境中的应用效果和可行性尚未得到充分验证。
（五）心得
多模态学习的重要性：本论文强化了多模态学习在医学诊断中的重要性，尤其是在处理复杂疾病时。
技术创新的价值：注意力机制的引入为多模态数据融合提供了新的视角，值得在其他领域探索应用。
实验设计的严谨性：通过在两个独立数据库上的验证，展示了研究方法的稳健性，这对于科学研究至关重要。
未来研究方向的启示：论文指出了模型泛化能力、多模态数据融合和临床应用可行性等未来研究的关键点，为后续研究提供了方向。
