用于阿尔茨海默病检测的距离变换引导 Mixup
计算机视觉与模式识别
2025-05-29 v1
摘要
阿尔茨海默病检测工作旨在开发用于早期疾病诊断的准确模型。基于卷积神经网络和视觉 Transformer 的方法已取得了显著进展。然而，医学数据集严重受到类别不平衡、成像协议差异和数据集多样性有限的困扰，这阻碍了模型的泛化。为了克服这些挑战，本研究通过扩展现有的 mixup 方法，专注于单域泛化。其核心思想是计算 MRI 扫描的距离变换，在空间上将它们分离成多个层，然后将来自不同样本的层组合起来以生成增强图像。所提出的方法在生成多样化数据的同时保留了大脑的结构。实验结果表明，在 ADNI 和 AIBL 数据集上均取得了泛化性能的提升。
引用
@article{arxiv.2505.22434,
title = {Distance Transform Guided Mixup for Alzheimer's Detection},
author = {Zobia Batool and Huseyin Ozkan and Erchan Aptoula},
journal= {arXiv preprint arXiv:2505.22434},
year = {2025}
}