一种可复现的带有双注意力模块的三维卷积神经网络（3D-DAM）用于阿尔茨海默氏病分类

BriefGPT - AI 论文速递 ·

本研究旨在提高机器学习在临床实践中的可靠性，以阿尔茨海默病检测为例，研究了不同的数据增强技术和模型复杂度对整体性能的影响。通过数据增强和模型复杂度的综合效应，准确率的预测性能变化高达 10%。最佳模型（8 个卷积层、架构 B）在交叉验证折数和训练试验中最稳定，在测试集和外部测试集上表现出色。

临床实践卷积数据增强机器学习模块模型复杂度神经网络阿尔茨海默阿尔茨海默病

原文中文，约400字，阅读约需1分钟。