ADAPT：通过自适应剖面变换器进行阿尔茨海默病诊断
图像与视频处理
2024-03-01 v2 计算机视觉与模式识别
摘要
从脑成像（如磁共振成像(MRI)）自动诊断阿尔茨海默病(AD)已变得越来越重要，并吸引了社区贡献了许多深度学习方法。然而，许多这些方法面临一个权衡：3D模型往往复杂，而2D模型无法从数据中捕捉完整的3D复杂性。在本文中，我们介绍了一种用于诊断AD的新模型结构，它可以在性能上与3D模型媲美，而本质上是一种2D方法（因此计算效率高）。虽然核心思想在于从三个维度将3D图像切割成多个2D切片的新视角，但我们引入了多个组件，可以进一步使模型受益于这一新视角，包括自适应选择每个维度的切片数量以及新的注意力机制。此外，我们还引入了一种形态学增强，它几乎不引入新的计算负载，但由于其与AD病理学的一致性，可以帮助提高诊断性能。我们将我们的方法命名为ADAPT，即Alzheimer Diagnosis through Adaptive Profiling Transformers。我们从实际角度测试了我们的模型（测试域未出现在训练域中）：诊断准确性有利于我们的ADAPT，而ADAPT使用的参数少于大多数3D模型。
引用
@article{arxiv.2401.06349,
title = {ADAPT: Alzheimer Diagnosis through Adaptive Profiling Transformers},
author = {Yifeng Wang and Ke Chen and Haohan Wang},
journal= {arXiv preprint arXiv:2401.06349},
year = {2024}
}