在结构磁共振成像数据上使用双分支马网络识别认知性脑疾病
Wenjun Zhou1, Rui Qu1, Weicheng Luo1
1School of Computer Science and Software Engineering, Southwest Petroleum University, Chengdu, 610500, Sichuan, China.
Neuroscience
|November 13, 2025
概括
一个新的双分支马网络使用MRI扫描准确地分类阿尔茨海默病. 这种人工智能模型通过区分阿尔茨海默病,轻度认知障碍和健康个体来帮助早期诊断,改善治疗结果.
科学领域:
- 神经成像是一种神经成像.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 早期阿尔茨海默氏病 (AD) 诊断对于有效治疗至关重要,但目前的方法 (认知测试,PET,腰部穿刺) 通常是侵入性的和昂贵的.
- 延迟AD检测限制了治疗疗效,强调了需要可访问和准确的诊断工具.
研究的目的:
- 开发和验证一种新的双分支语网络,用于使用结构性MRI对阿尔茨海默氏症,轻度认知障碍和认知正常个体进行增强的分类.
- 通过整合来自皮下细分和皮层分片的神经成像特征来提高诊断精度.
主要方法:
- 采用双分支姆网络架构,集成从结构性MRI数据中获取的皮层下细分和皮层分片特征.
- 在原始数据集和独立的ADNI4数据库队列 (N=191) 上评估模型性能.
- 应用网络修剪,以减少60%的模型复杂性,同时保持诊断准确度.
主要成果:
- 在原始数据集上实现了93%的分类准确性.
- 在独立的ADNI4队列中表现出强的表现,准确率为88.48%.
- 修剪模型保持了高精度,同时显著降低了计算复杂性,在效率方面超过了其他方法.
结论:
- 拟议的双分支罗人网络提供了一个高度准确和计算可行的方法,用于早期阿尔茨海默氏病的诊断,使用结构性核磁共振.
- 网络修剪增强了人工智能模型用于神经退行性疾病诊断的临床适用性.
- 这种人工智能驱动的方法显示了促进对阿尔茨海默病和相关疾病及时干预的巨大潜力.
