计算机科学 > 机器学习
[提交于 2025年7月7日
]
标题: 基于可迁移性感知变压器的领域自适应诊断路易体疾病
标题: Domain-Adaptive Diagnosis of Lewy Body Disease with Transferability Aware Transformer
摘要: 路易体疾病(LBD)是一种常见但研究不足的痴呆形式,对公共卫生造成重大负担。 它与阿尔茨海默病(AD)具有临床相似性,因为两者都通过正常认知、轻度认知障碍和痴呆阶段进展。 LBD诊断的主要障碍是数据稀缺,这限制了深度学习的有效性。 相比之下,AD数据集更为丰富,提供了知识迁移的潜力。 然而,LBD和AD数据通常来自不同的地点,使用不同的机器和协议,导致领域转移显著。 为了有效利用AD数据并减轻领域转移,我们提出了一种可转移性感知变压器(TAT),该模型从AD中迁移知识以增强LBD诊断。 我们的方法利用从结构MRI中得出的结构连接(SC)作为训练数据。 基于注意力机制,TAT自适应地为可转移的疾病特征分配更大的权重,同时抑制领域特定的特征,从而减少领域转移并提高有限LBD数据的诊断准确性。 实验结果证明了TAT的有效性。 据我们所知,这是首次在数据稀缺和领域转移条件下探索从AD到LBD的领域自适应的研究,为罕见疾病的领域自适应诊断提供了一个有前景的框架。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.