面向 Alzheimer's 组织 X 射线散射的多重共线性感知信号处理框架用于跨 β 识别

原位人类大脑组织的 X 射线散射测量编码了病理性交叉 β 结构的特征，但由于基质污染、特征间强相关以及样本量有限，系统性地利用这些数据进行自动化检测仍面临挑战。本文开发了一个三阶段的分类框架，用于识别帕氏病组织中交叉 β 结构性突出物—a 病灶标志。阶段 1 使用贝叶斯最优分类器基于其独特的散射特征将黄金基质与组织区域分离。阶段 2 引入一种受多重共线性约束的、基于类的条件相关性剪枝方案，确保对诱导贝叶斯风险和近似误差的形式化保证，从而在保留类别判别信息的同时减少冗余。阶段 3 在剪枝后的特征集上训练一个紧凑神经网络以检测交叉 β 纤维有序性的存在与否。性能最佳的模型通过结合 Focal 和 Dice 目标的复合损失函数优化，测试 F1 分数达到 84.30%，仅使用 11 个 211 个候选特征和 174 个可训练参数。该整体框架构建了一个可解释且理论依据明确的策略，用于数据受限的、涉及相关高维实验测量的分类问题，此处以神经退行性组织的 X 射线散射轮廓为例。