基于MRI图像的阿尔茨海默病和痴呆的早期诊断使用集成深度学习

本研究解决了阿尔茨海默病（AD）早期诊断的不足，通过提出两种低参数卷积神经网络（CNNs），IR-BRAINNET和Modified-DEMNET，以及一个集成模型来提高AD的检测准确性。研究发现，集成模型在处理不平衡数据集时表现卓越，实现了最高达99.92%的准确率，表明了多模型输出平均对AD诊断的显著提升。