基于3D视觉转换器的阿尔茨海默病多输入混合数据分类
计算机视觉与模式识别
2026-03-03 v1
摘要
当前使用磁共振成像（MRI）诊断阿尔茨海默病的方法存在显著局限性。许多先前研究使用2D转换器分别分析单个脑切片，可能丢失关键的3D上下文信息。基于感兴趣区域的模型常只关注少数几个脑区域，而阿尔茨海默病影响多个脑区域。此外，大多数分类模型仅依赖单一检测，而诊断阿尔茨海默病需要综合多种数据源以获得更准确的评估。本研究引入一种新方法，称为多输入混合数据3D视觉转换器（MIMD-3DVT）。该方法将连续切片一起处理，以捕获特征维度和空间信息，融合多个3D感兴趣区域（ROI）成像数据输入，集成来自人口学因素、认知评估和脑成像的混合数据。我们对提出的方法进行了实验评估，采用包括阿尔茨海默病神经影像计划（ADNI）、澳大利亚成像、生物标志物与生活方式老年研究（AIBL）以及开放获取成像研究计划（OASIS）在内的组合数据集。我们的MIMD-3DVT在单一或多个ROI上实现了97.14%的准确率，凌超了诊断区分正常认知与阿尔茨海默病的SOTA方法。
引用
@article{arxiv.2603.00545,
title = {Multiple Inputs and Mixwd data for Alzheimer's Disease Classification Based on 3D Vision Transformer},
author = {Juan A. Castro-Silva and Maria N. Moreno Garcia and Diego H. Peluffo-Ordoñez},
journal= {arXiv preprint arXiv:2603.00545},
year = {2026}
}