ProgFormer：层级化体素扩散Transformer实现纵向脑部MRI预测
arXiv 新论文提出 ProgFormer，一种直接在体素空间运行的层级扩散 Transformer，用于预测未来脑部结构 MRI。它通过粗路径建模整体脑结构和纵向上下文，细路径在局部 patch 内进行体素级精化，并利用条件流匹配估计速度场，避免潜在空间重建的信息损失。在 ADNI、AIBL 和 OASIS 基准上的成对及轨迹设置实验中表现优于多种现有方法。
预测脑部未来结构 MRI 是神经影像分析中的一项挑战：疾病进展往往表现为细微且局限于特定解剖区域的变化，而个体大脑的大部分结构随时间保持稳定。因此，理想模型既要保持整体脑结构的一致性，又要对细粒度病情进展足够敏感。现有基于潜在空间的方法尽管计算效率高，但在压缩-重建过程中容易丢失信息；直接基于体素空间的方法虽无需潜在重建，却常用统一预测通路处理脑结构与进展变化，导致细微局部变化可能被占主导的稳定结构掩盖。
针对这些问题，来自 arXiv 的新研究提出 ProgFormer——一种层级式体素空间扩散 Transformer。其核心思想是将预测任务拆分为粗、细两条通路：粗通路以三维 patch token 为基础，完成主要的体积预测，建模整体脑结构和纵向变化背景；细通路则利用粗通路产生的表征作为时空基础，在单个 patch 内进行体素级精化。两条通路共同通过条件流匹配直接在体素空间中估计速度场，从而无需单独学习图像自编码器即可实现端到端预测。最终，模型从高斯噪声出发，通过一系列欧拉步积分该速度场，生成未来的脑部扫描图像。
这种方法的设计出发点在于：粗通路避免细微变化被整体稳定性淹没，细通路则在不引入潜在空间失真的前提下恢复局部细节。由于速度场估计完全在原始体素空间完成，ProgFormer 绕过了 latent-space 方法中的信息瓶颈，也避免了统一通路对局部变化的忽视。
论文报告了在三个广泛使用的纵向脑影像基准——ADNI、AIBL 和 OASIS——上的实验，覆盖成对预测（pairwise）和轨迹预测（trajectory）两种设置。结果显示，与多种当前最优方法相比，ProgFormer 在预测精度和结构一致性方面均取得更好表现，验证了层级双通路设计的有效性。
该论文由 Dexuan Ding 等人提交，于 2026 年 7 月 30 日发布在 arXiv，编号为 arXiv:2607.27537，归类于计算机视觉与模式识别（cs.CV）。论文通过 DataCite 获得 arXiv DOI（https://doi.org/10.48550/arXiv.2607.27537），目前 DOI 注册尚待完成。相关代码、数据及引用工具链接已在 arXiv 页面提供。