一种用于基于视网膜成像的阿尔茨海默病检测的可解释Transformer模型
机器学习
2025-07-08 v1 计算机视觉与模式识别
摘要
阿尔茨海默病（AD）是一种影响全球数百万人的神经退行性疾病。在缺乏有效治疗方案的情况下，早期诊断对于启动管理策略以延缓疾病发作和减缓其进展至关重要。在本研究中，我们提出了 Retformer，一种新颖的基于 Transformer 的架构，用于利用视网膜成像模态检测 AD，该架构利用了 Transformer 和可解释人工智能的能力。Retformer 模型在来自 AD 患者和年龄匹配的健康对照者的不同模态视网膜图像数据集上进行训练，使其能够学习图像特征与疾病诊断之间的复杂模式和关系。为了深入了解我们模型的决策过程，我们采用梯度加权类激活映射算法来可视化特征重要性图，突出显示对视网膜图像中对分类结果贡献最大的区域。将这些发现与现有的使用视网膜生物标志物检测 AD 的临床研究进行比较，使我们能够识别每种成像模态中对于 AD 检测最重要的特征。Retformer 模型在各种性能指标上以高达 11% 的幅度优于多种基准算法。
引用
@article{arxiv.2507.04259,
title = {An Explainable Transformer Model for Alzheimer's Disease Detection Using Retinal Imaging},
author = {Saeed Jamshidiha and Alireza Rezaee and Farshid Hajati and Mojtaba Golzan and Raymond Chiong},
journal= {arXiv preprint arXiv:2507.04259},
year = {2025}
}
备注
20 pages, 8 figures