阿尔茨海默病辅助诊断的多模态数据融合轻量级网络

• 全文链接
• 请求原文

作   者：

王光明;  柏正尧;  宋帅;  徐月娥; 

作者机构：

云南大学信息学院; 

关键词：

融合算法;  多模态数据;  轻量级网络;  阿尔茨海默病;  迁移学习; 

期刊名称：

浙江大学学报(工学版)

i s s n：

1008-973X

年卷期：

2025 年 59 卷 001 期

页   码：

39-48

摘   要：

单模态阿尔茨海默病辅助诊断方法缺少专业标注的影像数据，特征提取不稳定且要求高计算能力，为此融合核磁成像、正电子发射断层扫描影像数据和精神认知评分数据，提出多模态轻量级阿尔茨海默病辅助诊断网络（LightMoDAD）.在影像特征提取模块中，去冗余卷积以提取局部特征，引入全局滤波用于提取全局特征，通过配准并相加实现多模态影像特征融合.在文本特征提取模块中，由可分离深度卷积提取精神认知评分数据特征与多模态影像特征融合，通过迁移学习增强特征判别性.采用多层感知器识别复杂的模式和特征，提高所提网络的分类准确率.在ADNI数据库中开展有效性验证实验，LightMoDAD的分类准确率、敏感性和特异性分别为0.980、0.985和0.975.实验结果表明，所提网络有助于提高医生诊断效率，具有移动端部署潜力.