Vorhersage von ADHS aus T1-Bildern im Individualraum mithilfe eines Vision Transformers mit einem Grobregionen-Gitterrahmen

Die Vorhersage der Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) aus der Neuroimaging bleibt aufgrund der heterogenen Gehirnmorphologie herausfordernd. In dieser Studie schlugen wir einen End-to-End-Rahmen vor, der Vision Transformer (ViT) Modelle verwendet, um diskriminative Merkmale direkt aus T1-gewichteten MRT-Bildern im Individualraum zu lernen. Wir bewerteten zwei anatomische Abdeckungsmuster, um die Auswirkungen der Datenreduktion und räumlichen Granularität zu beurteilen: (1) Axialschnitte des gesamten Gehirns (WB) und (2) 11 repräsentative Schnitte (R11). Unsere Ergebnisse zeigten, dass der ViT die höchste numerische AUC erreichte und die Basis-CNN und den konventionellen ROI-basierten Ansatz erheblich übertraf, während er vergleichbare Ergebnisse mit ResNet erzielte. Besonders der Übergang von WB zu R11 (AUC 0.75) zeigte keinen statistisch signifikanten Rückgang der Leistung (p = 0.19), was zeigt, dass eine hohe diagnostische Integrität selbst bei erheblicher anatomischer Datenreduktion aufrechterhalten werden kann. Die Interpretationsanalyse über SHAP, die auf die R11-Konfiguration angewendet wurde, identifizierte konsistente hochwirksame räumliche Cluster über anatomische Achsen hinweg. Insbesondere erwiesen sich die präkentrale Windung und die okzipitalen Regionen als robuste neuroanatomische Substrate für die ADHS-Klassifikation. Diese Ergebnisse deuten darauf hin, dass transformerbasierte Selbstaufmerksamkeit effektiv verteilte morphologische Variationen über sensorimotorische und visuelle Verarbeitungsnetzwerke integriert und einen anatomisch kohärenten Ansatz für die ADHS-Diagnose bietet. • Wir schlagen einen End-to-End-Rahmen zur Vorhersage von ADHS unter Verwendung von T1-gewichteten MRT-Bildern im Individualraum vor. • Vision Transformer (ViT) Modelle lernen direkt diskriminative Merkmale aus whole-brain und repräsentativen Schnitten. • Das ViT-Modell übertrifft Basis-CNNs und konventionelle ROI-basierte Ansätze erheblich. • SHAP-Analyse hebt potenzielle strukturelle Marker innerhalb der motorischen und sensorischen Netzwerke hervor.