تشخیص زودهنگام آلزایمر مبتنی بر یادگیری عمیق

تشخیص زودهنگام بیماری آلزایمر (AD) و مراحل پیش بالینی آن مانند اختلال شناختی خفیف (MCI) چالش حیاتی در علوم اعصاب است. در این مطالعه یک چارچوب یادگیری عمیق ترکیبی برای ادغام داده های SMRI و rs-fMRI ارائه شده است. این چارچوب از ۳D-CNN برای استخراج ویژگی های مکانی و از GRU به همراه مکانیزم توجه (Attention) برای مدل سازی وابستگی های زمانی استفاده می کند. تحلیل های تئوری و بررسی پیشینه پژوهش نشان می دهد که چارچوب پیشنهادی پتانسیل دستیابی به دقت بالا و پایداری در طبقه بندی را دارا است. نتایج مورد انتظار نشان دهنده برتری مدل های ترکیبی نسبت به تک وجهی در تشخیص مراحل اولیه بیماری است.

کلیدواژه ها:

MRI ، ساختاری ، MRI حالت استراحت ، یادگیری عمیق ، ترکیبی CNN ، ترانسفورمر ، GRU