成对卷积网络能否从小样本神经影像推断认知特质？

成对比较把108人扩展为4950个训练对

这篇论文针对的是样本量问题。传统的脑—行为分析通常先取一个预设的结构指标，例如区域体积或皮层厚度，再用线性模型把它与行为分数关联起来。在约一百名参与者的规模下，这类模型解释的方差有限，并且对噪声较大或离散化的分数很敏感。深度回归通常需要数千名受试者，才能利用非线性结构。

作者改变了预测目标。网络不再输出某个人的绝对分数，而是每次输入两张脑影像和一个二元标签，说明哪名参与者的表现更好。N名受试者可产生N(N−1)/2个不重复的无序对，因此108人的样本在左右翻转等增强之前就得到4950个配对。论文把这种增长称为有效训练信号的二次扩展，这也是该方法能在如此少的人身上从零训练成功的统计原因。

共享切片编码器接入双扫描排序网络

模型结构分为两段。切片网络接收一个三维T1加权体积，把它分解为二维切片，再通过残差块生成受试者层面的特征图。一对中的两名参与者都经过这个编码器，且权重共享，因此两张扫描使用同一套解剖表征。

随后，两张特征图沿通道维度堆叠，送入同样由残差块构成的排序网络，其全连接输出头给出“其中一人表现优于另一人”的概率。训练时最小化该预测概率与观测配对标签之间的二元交叉熵。在报告的配置中，切片网络包含五个残差块，排序网络包含两个；在96×96×96分辨率实验中，所有区域剔除轮次合计训练了约10000个排序网络。

最大不确定性处对应预测的连续分数

排序模型本身不给出连续分数，因此论文增加了基于参照集的推断步骤。每名测试参与者都要与覆盖观测分数范围的已标注参照参与者逐一比较，网络给出测试者得分高于每个参照者的概率。由于多名参照者可能共享同一分数，这些概率会在每个观测分数上取平均。

预测分数取在决策熵最大的位置，此时模型判断测试者优于参照者的概率接近0.5。在该点上，两人的得分被判定为最接近，于是参照者的分数就成为估计值。这样，一个没有使用任何回归损失训练的网络仍能产生类似回归的输出；论文以一名参与者的心理旋转任务为例展示了这一过程。

四项任务上成对模型误差均低于逐点CNN

对照基线在设计上刻意贴近成对模型：使用相同的切片编码器、相同的192×192×192 MRI输入、相同的二维切片流程与数据增强，但每个样本只有一张扫描，并用均方误差训练一个线性输出层。逐点基线对心理旋转的预测挤在训练均值附近的窄带内，平均绝对误差为0.924。

成对模型的连续估计更贴近对角线。测试集平均绝对误差为：心理旋转0.647（训练0.348）、折纸2.625（训练0.245）、沉浸式视角转换0.065（训练0.069）、路线图任务3.125（训练1.071）。对应的逐点测试误差在折纸、视角转换和路线图任务上分别为2.893、0.500和4.212。差距在逐点模型失败最明显处最大；视角转换任务是量纲上的例外，两个模型在该任务上误差都小，是因为该分数使用不同的量表。

每轮剔除三分之一区域以定位预测性皮层

为了弄清模型实际依赖哪些解剖结构，作者进行了迭代式后向剔除。每一轮先按对模型准确率的影响对感兴趣区域排序，这些区域由FreeSurfer aparc+aseg分区定义，包含68个区域的Desikan-Killiany皮层图谱以及皮层下结构。排名靠后的三分之一被丢弃，其余区域进入下一轮，模型反复重训直到排序稳定。每轮留出20%的受试者用于评估，并以验证准确率上的早停防止过拟合。

得到的区域画像既包含四项任务共有的区域，也包含部分任务特有的区域。上顶叶皮层出现在路线图任务和视角转换任务中，下顶叶皮层出现在路线图任务中，楔前叶主要出现在两项基于物体的转换任务，即心理旋转和折纸中。视角转换任务还显示出中央后回参与。额叶区域在多项任务中出现，作者据此认为，个体差异依赖顶叶、额叶、枕叶和感觉运动系统的分布式贡献，而非单一脑区。这些是模型推导出的重要性画像，不是脑—行为耦合的直接测量。

小样本与各任务不同量表限定结论范围

主要样本是112人中的108人，另外4人因扫描质量差或运动伪影被排除。部分参与者缺少行为数据，因此训练时心理旋转使用106人，视角转换107人，路线图105人，折纸使用全部108人。作者报告，即使只有50名训练受试者和50名测试受试者，表现仍保持一致，他们把这视为模型没有记住个体解剖结构的证据。

报告的数字带来两点提醒。第一，四项任务使用不同量表计分，因此平均绝对误差不能当作同一单位跨任务比较；视角转换0.065的误差之所以小，部分原因是其结果本身是自有量表上的位置误差。第二，解剖图谱来自剔除图谱区域并观察准确率变化，这识别的是模型依赖的区域，并不能证明这些区域导致了个体差异。论文自身的定位是预测与可解释，而非因果。

优先用于标签噪声大而非模型更大的场景

这篇论文的独特主张不是更大的网络会更好，而是改变监督目标才能挽救小样本。作者认为，与绝对目标相比，比较信号受分数噪声、离散化和个体测量变异的影响更小；他们还提到另一项结果：同一原理让从零训练的轻量CNN在UTKFace上以远少于通常所需的图像量取得有竞争力的年龄估计。

这为评估该方法的读者设定了实际优先级：最值得尝试的场景，是绝对标签稀缺或噪声大、且已有一次常规T1加权MRI的情况。论文设想了用于神经退行性疾病筛查，但在这项研究中那只是提议，不是已检验的结果。已展示的证据是108名年轻成人上的四项空间任务，以及一个独立数据集上的路线图复制，其训练误差为1.862、测试误差为4.625，高于原始样本但仍低于基线。因此对决策最相关的比较，是在同一小样本结构MRI数据上成对排序与逐点回归的对比，而不是成对排序与大规模深度学习的对比。

本文引用的文献