فهرست نشریات علمی دسترسی آزاد ایران

بیماری آلزایمر نیازمند تشخیص زودهنگام و دقیق برای مداخله مؤثر است. با این حال، روش‌های فعلی مبتنی بر شبکه‌های عصبی هم‌آمیختی و ترادیسگرهای تصویری استاندارد اغلب در تشخیص الگوهای سراسری آتروفی مغزی و تمرکز بر نواحی کلیدی مانند هیپوکامپ با چالش‌هایی مواجهند و دقت و تفسیرپذیری محدودی ارائه می‌دهند. این مقاله مدل ترادیسگر تصویری تقویت ‌شده با توجه منطقه‌ای (RAE-ViT) را معرفی می‌کند که برای طبقه‌بندی آلزایمر با استفاده از داده‌های تصویربرداری رزونانس مغناطیسی ساختاری طراحی شده است. RAE-ViT با بهره‌گیری از سازوکار‌های توجه منطقه‌ای، بر نواحی کلیدی مغز (مانند هیپوکامپ و بطن‌ها) تمرکز می‌کند و از توجه سلسله‌مراتبی برای استخراج الگوهای ساختاری محلی و سراسری استفاده می‌نماید. این مدل، ارزیابی‌شده روی مجموعه ‌داده ادنی، به دقت 2/94 درصد، حساسیت 8/91 درصد، ویژگی 7/95 درصد و مساحت زیر منحنی ROC (AUC) برابر با 96/0 دست یافت. در مقایسه، بهترین روش موجود، یعنی مدل ترکیبی CNN-ViT ، به دقت 2/90 درصد، حساسیت 5/87 درصد، ویژگی 0/91 درصد و AUC برابر با 92/0 رسیده بود، که نشان‌دهنده برتری قابل ‌توجه RAE-ViT است. این مدل همچنین نقشه‌های توجه تفسیرپذیر و هم‌راستا با دانش بالینی تولید می‌کند. برای مقابله با چالش‌های کوچک بودن مجموعه‌داده و هزینه‌های محاسباتی، RAE-ViT از استخراج ویژگی چندمقیاس و راهبرد‌های بهینه‌سازی آموزش بهره می‌برد. RAE-ViT رویکردی نویدبخش برای تشخیص زودهنگام آلزایمر ارائه می‌دهد و می‌تواند نتایج بیماران را بهبود بخشد .