基于自注意力机制的阿尔茨海默病预测研究OA北大核心CSTPCD

为了更加准确地预测阿尔茨海默病(Alzheimer’s Disease,AD),提出一种基于自注意力机制的预测模型。对核磁共振图像(Magnetic Resonance Imaging,MRI)进行预处理并提取人脑解剖结构的初级特征,设计基于自注意力机制的特征处理单元并基于残差结构设计模式构建可靠的网络架构,自动解析人脑解剖结构的依赖关系并生成MRI图像的有效特征表示,进而实现对AD的预测。实验结果表明,该模型对AD的分类准确率为99.36%,对轻度认知障碍(Mild Cognitive Impairment,MCI)的分类准确率为98.90%。与现有方法比较,该模型拥有更好的预测性能。