PulseAugur
中
实时 07:02:34
English(EN) An Attention-Based Framework for Alzheimers Disease Classification Using Resting-State fMRI

基于注意力的深度学习框架在阿尔茨海默病检测中准确率达88.95%

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的、基于注意力机制的深度学习框架，用于使用静息态功能磁共振成像（rs-fMRI）对阿尔茨海默病（AD）进行分类。该方法将大脑区域视为标记（tokens），并采用受Transformer启发的自注意力机制来模拟大脑网络内复杂的函数依赖关系。在阿尔茨海默病神经影像学倡议（ADNI）数据集上进行评估时，该框架在AD患者与认知正常个体之间的二元分类中达到了88.95%的准确率和0.90的ROC-AUC。 AI

影响 该框架展示了一种利用自注意力机制进行医学影像分析的有前景的新方法，有望提高神经退行性疾病的诊断准确性。

排序理由 详细介绍用于疾病分类的新深度学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

基于注意力的深度学习框架在阿尔茨海默病检测中准确率达88.95%

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Harshiddhi Pathak, Gowtham Reddy N, Mrinal Acharya, Manjunatha Mahadevappa ·

    基于注意力机制的静息态fMRI阿尔茨海默病分类框架

    arXiv:2607.26746v1 Announce Type: cross Abstract: Accurate identification of Alzheimers disease (AD) using resting-state functional magnetic resonance imaging (rs-fMRI) remains challenging due to the high dimensionality, noise, and complex inter-regional dependencies inherent in …

相关实体

相关话题