基于3D MRI的阿尔茨海默病分类:采用防数据泄露受试者级别评估的多模态3D CNN方法
本研究提出了一种基于原始OASIS-1 MRI体积数据的多模态3D卷积神经网络方法用于阿尔茨海默病分类,创新性地结合T1结构图像与灰质、白质及脑脊液概率图,并采用严格的受试者级别交叉验证评估策略,有效避免了数据泄露问题。研究结果表明该方法在受试者级别评估中达到72.34%±4.66%的平均准确率和0.7781±0.0365的ROC-AUC值,GradCAM可视化证实模型关注的内侧颞叶和脑室区域与阿尔茨海默病相关结构变化高度一致,同时通过对比实验证明了数据表示方式和评估协议对报告性能的重要影响,为3D MRI在阿尔茨海默病诊断中的应用提供了可重复的基准。

