基于多模态深度学习的阿尔茨海默病分类模型.pdfVIP

第45卷第6期南京邮电大学学报（自然科学版）Vol.45No.6

2025年12月JournalofNanjingUniversityofPostsandTelecommunications(NaturalScienceEdition)Dec.2025

doi：10.14132/ki.1673⁃5439.2025.06.011

基于多模态深度学习的阿尔茨海默病分类模型

111234

龚乐君，韦新怡，季一木，李晓晨，黄昊，齐鸣鸣

æ1.南京邮电大学计算机学院，江苏南京210023ö

çç÷÷

çççç2.中国移动通信集团江苏有限公司连云港分公司，江苏连云港222000÷÷÷÷

çççç3.东南大学生物医学工程学院，江苏南京211189÷÷÷÷

ççè4.温州理工学院数据科学与人工智能学院，浙江温州325000ø÷÷

摘要：阿尔茨海默病（Alzheimer’sDisease，AD）是一种神经退行性疾病，会严重损害患者的认知能

力和日常活动能力。早期AD检测对提高治疗效果至关重要。过去10年，多模态深度学习在AD

诊断中展现出巨大潜力。因此，提出多模态深度学习分类模型（MDLCM），整合结构性磁共振成像

（sMRI）、遗传数据（单核苷酸多态性和基因表达谱）及临床数据，将患者分为AD、轻度认知障碍

（MCI）和正常对照（CN）。模型通过递归特征消除算法提取关键特征，设计基于Transformer和卷积

神经网络的轻量化分类网络处理图像数据，并引入门控多模态单元（GMU）实现多模态信息高效融

合。基于阿尔茨海默病神经成像倡议（ADNI）数据集验证，MDLCM在区分AD、MCI和CN的任务中

表现优异，准确率90.5%，宏精度92.5%，宏召回率89.9%，宏F1值90.3%，显著优于现有方法。

关键词：结构性磁共振成像数据；多模态；深度学习；阿尔茨海默病；门控多模态单元

+

中图分类号：TP18；R749.16文献标志码：A文章编号：1673⁃5439（2025）06⁃0097⁃09

Amultimodaldeeplearningclassificationmodelfor

Alzheimer’sdisease

111234

GONGLejun，WEIXinyi，JIYimu，LIXiaochen，HUANGHao，QIMingming