结构注重型神经退行性卷积神经网络用于阿尔茨海默病建模与分类
原文中文，约300字，阅读约需1分钟。发表于：。该研究提出了一种结合了伽玛校正和脑结构专注的神经退化卷积神经网络（SNeurodCNN）的机器学习框架，用于区分早期阿尔茨海默病（AD）和轻度认知障碍（MCI），通过实验证明该模型在诊断及特定脑区变化的准确性、特异性和敏感性方面表现出色，成为早期 AD 诊断的潜在大脑结构变化数字生物标志物。
本文提出了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。该方法在ADNI数据库上训练并在AIBL和OASIS1两个独立数据集上验证，准确率达到91.94％和96.30％，具有良好的泛化能力。
