多流深度学习框架预测轻度认知障碍的雷氏复杂图形测试
原文中文，约600字，阅读约需2分钟。发表于：。本研究针对现有轻度认知障碍预测模型样本量小及缺乏外部验证的问题，提出了一种多流深度学习框架。该框架结合了基于原始雷氏复杂图形测试图像的多头自注意力空间流和自动评分系统的评分流，最终在外部验证中表现出优越的预测性能。这种双流整合方式提高了模型的准确性和鲁棒性，有助于在临床环境中进行早期筛查。
该研究提出了一种创新的方法来诊断阿尔茨海默病，使用3D MRI和软注意力机制。该方法在两个任务中优于最先进的方法，能够准确区分AD与CN，并预测轻度认知障碍的稳定和进展性。通过体素级精确度，确定了与AD发展相关的主导脑区域。该方法在不同的交叉验证折叠中始终找到了相同的与AD相关的区域，证明了其稳健性和精确性。
