11、TransADD：基于Transformer的MRI阿尔茨海默病检测网络

TransADD：基于Transformer的MRI阿尔茨海默病检测网络

1. 引言

随着人口结构的变化，阿尔茨海默病（AD）等与年龄相关的疾病发病率极高，全球病例超过4700万。AD是一种神经退行性疾病，会影响大脑记忆组织，导致认知障碍、定向障碍和对话能力逐渐下降，给全球医疗系统带来巨大挑战和经济负担。到2050年，预计每85人中就有1人受AD影响，因此早期识别AD对护理人员和社会至关重要。

目前，AD尚无有效治疗方法，早期检测是采取预防措施、提高患者意识、实施治疗计划、评估治疗效果和促进生活方式改变的主要手段。AD预测方法主要分为感兴趣区域（ROI）、基于体素和基于补丁的技术。机器学习和深度学习（DL）模型用于准确预测，尽管DL模型在测试时因复杂的神经网络层存在泛化挑战，但在医疗应用中仍更受青睐。

现有DL模型直接处理全脑图像会导致诊断结果不理想，因此当前DL分析侧重于基于ROI的方法。为提高DL性能，3D卷积图像结合局部和全局特征，常与3D补丁和2D切片技术结合使用。不同的分析方法适用于不同的场景：
- ROI分析：当对与AD相关的特定大脑区域有先验假设，且目标是评估这些区域的健康或异常情况时使用。
- 基于体素的分析：数据驱动，可揭示基于ROI方法可能不明显的异常空间模式，适用于事先不知道AD相关变化的确切位置的情况。
- 基于补丁的方法：用于捕捉AD相关变化的全局和局部空间模式。

2. 相关研究

以下是一些现有的AD检测技术及其特点：
| 研究人员 | 技术 | 特点 | 准确率 |
| — | — | — | — |
| Prabu等 | 多尺度深度神经网络 | 通