基于自注意力机制的阿尔茨海默病预测研究.pdfVIP

第４１卷第２期计算机应用与软件Ｖｏｌ４１Ｎｏ．２

２０２４年２月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＦｅｂ．２０２４

基于自注意力机制的阿尔茨海默病预测研究

孙靖超刘璐

（北京工业大学信息学部软件学院北京１００１２４）

摘要为了更加准确地预测阿尔茨海默病（ＡｌｚｈｅｉｍｅｒｓＤｉｓｅａｓｅ，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（ＭａｇｎｅｔｉｃＲｅｓｏｎａｎｃｅＩｍａｇｉｎｇ，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（ＭｉｌｄＣｏｇｎｉｔｉｖｅＩｍｐａｉｒｍｅｎｔ，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。

关键词阿尔茨海默病自注意力机制残差结构核磁共振图像

中图分类号ＴＰ１８３ＴＰ３文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２４．０２．００９

ＡＰＲＥＤＩＣＴＩＶＥＭＯＤＥＬＦＯＲＡＬＺＨＥＩＭＥＲＳＤＩＳＥＡＳＥ

ＢＡＳＥＤＯＮＳＥＬＦＡＴＴＥＮＴＩＯＮＭＥＣＨＡＮＩＳＭ

ＳｕｎＪｉｎｇｃｈａｏＬｉｕＬｕ

（ＳｃｈｏｏｌｏｆＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇ，ＦａｃｕｌｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１００１２４，Ｃｈｉｎａ）

ＡｂｓｔｒａｃｔＡｓｅｌｆａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｂａｓｅｄｍｏｄｅｌｉｓｐｒｏｐｏｓｅｄｆｏｒｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆＡｌｚｈｅｉｍｅｒｓｄｉｓｅａｓｅ（ＡＤ）．

Ｍａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｇｉｎｇ（ＭＲＩ）ｉｍａｇｅｓｗｅｒｅｐｒｅｐｒｏｃｅｓｓｅｄｔｏｅｘｔｒａｃｔｐｒｉｍａｒｙｆｅａｔｕｒｅｓｆｏｒｂｒａｉｎａｎａｔｏｍｉｃａｌ

ｓｔｒｕｃｔｕｒｅｓ．Ａｓｅｌｆａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｂａｓｅｄｆｅａｔｕｒｅｐｒｏｃｅｓｓｉｎｇｕｎｉｔ（ＳＡＦＰＵ）ｗａｓｄｅｓｉｇｎｅｄ，ａｎｄｂｙｔｈｅｔｈｅｏｒｙｏｆ

ｒｅｓｉｄｕａｌｂｌｏｃｋｓ，ｍｕｌｔｉｐｌｅＳＡＦＰＵｓｗｅｒｅｓｔａｃｋｅｄｔｏｂｕｉｌｄａｒｅｌｉａｂｌｅｎｅｔｗｏｒｋｆｏｒｐｒｅｄｉｃｔｉｎｇＡＤ，ｗｈｉｃｈｃｏｕｌｄａｕｔｏｍａｔｉｃａｌｌｙ

ａｎａｌｙｚｅｔｈｅｄｅｐｅｎｄｅｎｃｉｅｓｏｆｄｉｆｆｅｒｅｎｔｂｒａｉｎａｎａｔｏｍｉｃａｌｓｔｒｕｃｔｕｒｅｓｔｏｇｅｎｅｒａｔｅｈｉｇｈｌｅｖｅｌｆｅａｔｕｒｅｓｆｏｒＭＲＩｉｍａｇｅｓ．Ｔｈｅ

ｅｍｐｉｒｉｃａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｏｕｔｐｅｒｆｏｒｍｓｅｘｉｓｔｉｎｇＡＤｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓ，ｗｈｉｃｈａｃｈｉｅｖｅｓ

９９．３６％（９８．９０％）ｏｆｔｈｅｍａｘｉｍｕｍａｃｃｕｒａｃｙｆｏｒｔｈｅＡＤ（ｅａｒｌｙｓｔａｇｅｏｆＡＤ，ｉ．ｅ．，ＭｉｌｄＣｏｇｎｉｔｉｖｅＩｍｐａｉｒｍｅｎｔ）

ｃｌａｓｓｉｆｉｃａｔｉｏｎｔａｓｋ．

ＫｅｙｗｏｒｄｓＡｌｚｈｅｉｍｅｒｓｄｉｓｅａｓｅＳｅｌｆａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍＲｅｓｉｄｕａｌｂｌｏｃｋｓＭａｇｎｅｔｉｃｒｅｓｏｎａｎｃｅｉｍａｇｉｎｇ

生可以根据患者的ＭＲＩ图像和临床表现对发病情况

０引言进行综合诊断。虽然ＭＲＩ技术在临床疾病筛查上的

应用已经非常成熟，但是基于ＭＲＩ图像的ＡＤ诊