DiGAN：用于早期阿尔茨海默病检测的扩散引导注意力网络
计算机视觉与模式识别
2026-02-10 v2 人工智能
机器学习
摘要
早期诊断阿尔茨海默病（AD）仍面临重大挑战，原因在于神经结构脑变化在前期阶段表现为微弱且具有不规则的时间进程。现有深度学习方法需要大量纵向数据集，往往无法建模现实临床数据中固有的时序连续性和模态不规则性。为解决这些限制，我们提出了扩散引导注意力网络（DiGAN），其集成了潜在扩散建模与注意力引导卷积网络。扩散模型从有限的训练数据合成逼真的纵向神经影像轨迹，丰富了时间上下文，提高了对不均匀间隔访问的鲁棒性。注意力卷积层随后捕获区分认知正常者与轻度认知障碍和主观认知衰退患者的判别性结构时序模式。在ADNI数据集上的实验表明，DiGAN在现有最先进基准方法之上表现更佳，展示了其在早期AD检测中的潜力。
引用
@article{arxiv.2602.03881,
title = {DiGAN: Diffusion-Guided Attention Network for Early Alzheimer's Disease Detection},
author = {Maxx Richard Rahman and Mostafa Hammouda and Wolfgang Maass},
journal= {arXiv preprint arXiv:2602.03881},
year = {2026}
}