XDementNET：基于可解释注意力的深度卷积网络用于检测阿尔茨海默症进展的MRI数据

该研究针对阿尔茨海默症（AD）诊断的精确性与治疗效率问题，通过引入一种新颖的深度学习架构XDementNET，结合了多残差块和专门的空间注意力块，显著提高了在各类MRI数据集上的分类准确性。研究结果表明，该模型在多分类任务中实现了超过99%的准确率，具备了极强的患者进展可解释性，且持续优于现有方法。

该研究提出了一种新型深度学习架构XDementNET，结合多残差块和空间注意力块，显著提高了阿尔茨海默症MRI分类的准确率，超过99%。该模型在多分类任务中表现优异，并具备良好的患者进展可解释性。

MRI分类 XDementNET mri 卷积 可解释性 深度学习 阿尔茨海默症
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友