Evaluating the Generalization of Neuroimaging Foundation Models on African Brain MRI

📄 arXiv: 2609.23983v1 📥 PDF

作者: Oluwatobi Iyanuoluwa Akinmuleya, Olatokun Shamsudeen Akano, Samuel Danquah Ankapong, Olamide Lawal, Toufiq Musah

分类: cs.CV

发布日期: 2026-09-21

备注: MICCAI AFRICAI Workshop, Strasbourg, France, 2026, 10 Pages, 1 Figure, 2 Tables

💡 一句话要点

评估神经影像基础模型在非洲脑MRI上的泛化能力

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 神经影像 基础模型 脑MRI 临床诊断 多模态分析 泛化能力 机器学习 数据集评估

📋 核心要点

  1. 现有的神经影像基础模型主要基于西方人群预训练，缺乏对非西方临床人群的泛化能力验证。
  2. 本文通过评估四种基础模型在尼日利亚脑MRI数据集上的表现，探讨其在细粒度诊断分类中的有效性。
  3. 实验结果显示，端到端训练的ViT3D模型在准确率和MCC上均优于冻结的基础模型，展现出更强的诊断能力。

📝 摘要（中文）

近年来，基于大型西方人群预训练的神经影像基础模型被提出作为脑MRI分析的通用骨干。然而，这些模型在代表性不足的临床人群中的泛化能力尚未得到充分验证。本文评估了四种最新的基础模型（BrainIAC、Neuro-JEPA、NeuroVFM和Primus）在尼日利亚临床脑MRI数据集上的三分类任务（正常、痴呆、帕金森病），并与端到端训练的ViT3D基线进行了比较。结果显示，冻结的基础模型倾向于做出多数类预测，而Neuro-JEPA在FLAIR模态下表现出有限的区分能力。相比之下，端到端训练的ViT3D在每个任务上均实现了更高的准确率和MCC（最高53.4%的准确率，MCC=0.27），并且是唯一一个具有非平凡召回率的模型。研究结果表明，这些冻结的神经影像基础模型在小型非西方临床人群中的细粒度诊断分类能力不足，促使对参数高效适应和更广泛的多中心外部验证的需求，以实现全球健康领域的公平部署。

🔬 方法详解

问题定义：本文旨在解决神经影像基础模型在非西方临床人群中的泛化能力不足的问题。现有方法在小型数据集上表现不佳，尤其是在细粒度诊断分类任务中。

核心思路：通过对四种基础模型在尼日利亚脑MRI数据集上的评估，比较其在不同模态下的表现，探索模型的适应性和有效性。

技术框架：研究采用了三分类任务（正常、痴呆、帕金森病），使用88名受试者的脑MRI数据，评估了四种基础模型和一个端到端训练的ViT3D模型，涵盖了四种模态配置（T1w、T2w、T1w+T2w、FLAIR）。

关键创新：本文的创新在于首次系统性评估了西方预训练模型在非西方临床数据集上的表现，揭示了其在细粒度分类任务中的局限性。

关键设计：实验中采用了冻结的基础模型与端到端训练的模型进行对比，重点关注模型的准确率和MCC等性能指标。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果表明，端到端训练的ViT3D模型在所有任务中均实现了更高的准确率（最高达53.4%）和MCC（0.27），且是唯一一个在细粒度分类中具有非平凡召回率的模型，显著优于冻结的基础模型。

🎯 应用场景

该研究的潜在应用领域包括全球健康、临床诊断和神经影像分析。通过提高模型在不同人群中的适应性，能够更好地服务于多样化的临床需求，促进公平的医疗资源分配。

📄 摘要（原文）

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.