基于多模态影像的阿尔兹海默症分类研究

来源：电子测量技术杂志2025年第23期北京时间：

作者：陈洛，王正勇，卿粼波，陈洪刚，何小海

单位：四川大学电子信息学院 成都 610065

摘要：阿尔茨海默病 (AD) 是一种神经系统疾病，主要影响人的脑细胞，是痴呆症的主要形式，由于其不可逆的特性，早期诊断对于减缓疾病进展至关重要。结构磁共振成像（sMRI）与氟脱氧葡萄糖正电子发射断层扫描（FDG-PET）是目前在神经退行性疾病研究中被广泛应用的两种成像技术，结合这两种影像来评估大脑状态能提高结果的准确性。本文提出了一种基于Vision Transformer的多模态融合框架，通过自注意力视觉变换器从单模态影像中提取特征，同时利用交互注意力融合网络专注于两种影像特征的相似性，既能强化各模态的独立表征能力，还能提高两种模态的交互性。同时使用深度置信网络降低提取特征的冗余性，提高不同模态的信息互补，最后采用集成分类器做出AD分类结果。选取ADNI数据集，评估了提出网络的分类性能，准确率、敏感性和特异性分别达到了94.65%、93.24%和95.62%，与目前的融合方法相比，所提出的方法在AD分类任务中取得了更优异的结果。

关键词：阿尔茨海默病;多模态影像;深度学习;多模态分类

基金资助：四川省重点研发计划(2023YFS0195)、成都市重大科技应用示范项目（2019-YF09-00120-SN）资助