DW-DGAT：用于神经退行性疾病诊断的动态加权双图注意力网络
计算机视觉与模式识别
2026-04-02 v3
摘要
帕金森病（PD）和阿尔茨海默病（AD）是全球最普遍且无法治愈的两种神经退行性疾病（NDs），其早期诊断对于延缓疾病进展至关重要。然而，具有不同结构形式的多指标数据的高维性、神经影像与表型数据的异质性以及类别不平衡问题，共同对早期神经退行性疾病诊断构成了重大挑战。为应对这些挑战，我们提出了一种动态加权双图注意力网络（DW-DGAT），该网络集成了：（1）一种通用的数据融合策略，用于合并三种结构形式的多指标数据；（2）一种基于脑区和样本间关系的双图注意力架构，用于提取微观和宏观层面的特征；（3）一种类别权重生成机制，结合两个稳定有效的损失函数以缓解类别不平衡问题。基于帕金森病进展标志物倡议（PPMI）和阿尔茨海默病神经影像学倡议（ADNI）研究的严格实验，证明了我们方法的当前最优性能。
引用
@article{arxiv.2601.10001,
title = {DW-DGAT: Dynamically Weighted Dual Graph Attention Network for Neurodegenerative Disease Diagnosis},
author = {Chengjia Liang and Zhenjiong Wang and Chao Chen and Ruizhi Zhang and Songxi Liang and Hai Xie and Haijun Lei and Zhongwei Huang},
journal= {arXiv preprint arXiv:2601.10001},
year = {2026}
}
备注
The exended version of an AAAI-2026 accepted poster paper