个性化动态集成的阿尔茨海默症辅助诊断模型

来源：计算机工程与应用杂志2024年第5期北京时间：

作者：梁浩霖, 潘丹, 曾安, 杨宝瑶, Xiaowei Song

单位：1.广东工业大学 计算机学院，广州 510006；2.广东技术师范大学 电子与信息学院，广州 510540；3.素里纪念医院 临床研究中心，不列颠哥伦比亚省 V3V 1Z2

摘要：针对阿尔茨海默症（AD）分类模型大多没有针对输入样本制定特定的策略，导致容易忽略样本间的个性化差异信息的问题，提出个性化动态集成AD分类模型。该模型考虑到输入样本间脑区退化程度的差异性，利用注意力机制评估特定于输入样本的各脑区退化程度，并根据脑区退化程度对脑区特征进行挑选和融合；同时通过重新设计损失函数，解决未被选中脑区无法获得优化梯度的问题，从而提高AD分类性能。实验结果表明，该模型在AD vs.HC（正常组）、MCIc（会向AD转化的轻度认知障碍）vs.HC以及MCIc vs.MCInc（不会向AD转化的轻度认知障碍）中的分类准确率表现分别提升4%、11%以及8%。同时，模型定位到的退化脑区功能与AD临床表现具有高度一致性。

关键词：阿尔茨海默症（AD）,动态集成策略,集成学习,卷积神经网络