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
原文中文，约400字，阅读约需1分钟。发表于：。提出一种基于三维卷积神经网络和双重注意力模块的重现性模型，用于阿尔茨海默病分类，通过在 ADNI 数据库上训练并在 AIBL 和 OASIS1 两个独立数据集上验证，该方法在 MCI 进展分类方面的准确率达到 91.94％，在阿尔茨海默病分类方面的准确率达到 96.30％，并具有良好的泛化能力，在 AIBL 和 OASIS1 数据集上的准确率分别达到 86.37％和 83.42％。
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。
