阿尔茨海默病中认知状态与脑结构变化的关联:轻量级深度学习辅助诊断的临床意义
本研究构建了一种轻量级深度学习模型分析阿尔茨海默病患者的脑部磁共振图像,成功揭示了认知功能与特定脑区结构变化的关联机制,模型准确率达90.6%且计算资源需求大幅降低,研究发现内侧颞叶和丘脑是疾病诊断的关键区域,模型输出能显著解释简易精神状态检查分数的变异(R²变化=0.341),超越了年龄、性别和教育年限等传统临床指标,为阿尔茨海默病的早期精准诊断提供了兼具高精度与临床实用性的新方法,有望推动人工智能在神经退行性疾病诊疗中的实际应用。

