可解释的基于深度学习的影像生物标志物的机器学习模型用于阿尔茨海默病的诊断
原文中文，约300字，阅读约需1分钟。发表于：。机器学习方法在自动早期诊断阿尔茨海默病方面展示了巨大的潜力。本研究提出了一种结合可解释性增强机器（EBM）和基于深度学习的特征提取的框架，以高维成像数据为基础有效识别阿尔茨海默病及认知下降。该框架具有可解释性并通过提供每个特征的重要性来解释决策。研究结果表明，该框架在阿尔茨海默病和认知下降的分类中表现出优异的准确性和面积下曲线（AUC），且显著优于使用体积生物标志物或端到端卷积神经网络（CN...
机器学习方法在早期诊断阿尔茨海默病方面有潜力。本研究提出了一种结合可解释性增强机器和深度学习的框架，用于识别阿尔茨海默病和认知下降。该框架具有可解释性，并在分类中表现出优异的准确性和AUC。
