GeoSAE：脑 MRI 基础模型的几何先验引导逐层稀疏自动编码器注释

脑 MRI 基础模型可以学习丰富的解剖学表征，但解释它们编码的临床信息仍然是一个悬而未决的问题。标准稀疏自动编码器 (SAE) 在 Transformer 深层中遭受严重的特征崩溃，而在阿尔茨海默病 (AD) 研究中，衰老几乎混淆了所有临床变量，使得简单的注释变得不可靠。我们提出了 GeoSAE，一种几何引导的 SAE 框架，它使用基础模型的学习流形结构来防止特征崩溃，并通过年龄去混杂的部分相关性来注释每个幸存的特征。 GeoSAE 应用于来自阿尔茨海默病神经影像计划 (ADNI) 和澳大利亚成像生物标志物和生活方式 (AIBL) 数据集的约 14k T1 加权 MRI 扫描，识别出一个紧凑的、完全可解释的特征集，仅使用 2% 的嵌入维度即可预测轻度认知障碍 (MCI) 到 AD 的转换 (AUC 0.746)，而共病注释的特征仅实现机会级性能。所识别的特征在无需再训练的情况下在队列中复制（r=0.97），并定位于与 Braak 分期一致的神经解剖学不同区域。这表明几何引导的 SAE 可以从冷冻脑 MRI 基础模型中提取可解释的生物标志物。