综述：深度学习模型在阿尔茨海默病检测中的应用综述：以MRI为中心的方法及其多模态扩展

《Frontiers in Artificial Intelligence》：Review of deep learning models for Alzheimer’s disease detection: MRI-centric approaches and multimodal extensions

　　摘要

引言：阿尔茨海默病（AD）是全球痴呆症的主要原因，早期且可靠的诊断对于及时干预至关重要。结构磁共振成像（MRI）结合深度学习（DL）已成为一种有前景的非侵入性自动化诊断方法。本综述评估了应用于MRI的DL模型在AD检测中的表现，同时考虑了多模态扩展（PET、fMRI、DTI、脑脊液（CSF）和认知数据）对基于MRI的流程的增强作用。

方法：遵循PRISMA指南，对2010年至2025年间的六个数据库进行了全面搜索，确定了70项经过同行评审的研究，其中许多研究还整合了多模态数据。提取并综合了关于模型架构、数据集、预处理、验证方案和报告的性能结果的信息。

结果：大多数研究使用了2D或3D卷积神经网络；然而，最近的研究也探索了集成模型、视觉transformers、图神经网络和生成模型。主要使用的数据集是ADNI，此外还使用了OASIS、AIBL和英国生物银行（UK Biobank）等其他队列。区分临床诊断为阿尔茨海默病（AD）的患者和认知正常（CN）的二元分类任务一致显示出高精度（准确率＞90%，AUC≥0.95）。相比之下，更具临床挑战性的任务，如跨疾病阶段（CN、MCI、AD）的多分类和预测MCI向AD的转化，其准确率显著较低（约70-85%）。接近完美的结果（＞99%）通常仅限于缺乏外部验证的单个站点数据集，这引发了关于过拟合和可重复性的担忧。

讨论：很少有研究纳入痴呆症的鉴别诊断、跨扫描仪的协调统一或开源流程。有前景的进展包括迁移学习、多模态整合、协调方法（如ComBat、GANs、扩散）和可解释AI技术。总体而言，DL在基于MRI的AD检测中显示出巨大潜力，多模态输入进一步提高了性能。

1 引言
阿尔茨海默病（AD）是最常见的痴呆类型，估计占病例的60-80%（Alsubaie等人，2024年）。这是一种进行性的神经退行性疾病，会导致记忆丧失、认知能力下降（如思维不清）和行为变化。随着世界人口的老龄化，AD已成为一个重要的社会健康问题。据估计，2010年约有3560万人患有痴呆症，到2050年这一数字预计将增加到近1.15亿（Alzheimer’s Disease International，2010年）。因此，早期诊断AD对于及时寻求治疗和干预至关重要。然而，该疾病的确诊通常需要通过尸检神经病理学检查来确定。在临床实践中，使用神经心理学测试和标准进行诊断，包括成像和生物标志物。然而，与尸检相比，即使是专家的临床诊断也只能达到70-90%的准确率（Tsoy等人，2022年；Rodriguez-Santiago等人，2022年；Celik等人，2022年；Chen等人，2023年）。这些评估方法被广泛使用，但它们对AD的早期阶段不敏感且高度主观（Cheplygina等人，2019年；Hazarika等人，2023年；Kishore和Goel，2023年）。虽然更精确但具有侵入性的方法（如脑脊液检查（CSF）和PET）成本高昂，无法用于大规模筛查（Isordia-Martínez等人，2014年；Marwa等人，2023年）。尽管这些方法已经成熟并被临床接受，但它们往往存在观察者间变异性、晚期敏感性以及在大规模人群筛查中的局限性。此外，通过腰椎穿刺或PET成像获得的生物标志物要么具有侵入性，要么成本高昂。因此，在AD的诊断精度方面还有改进的空间，特别是在早期阶段区分正常老化和其他类型的痴呆。脑部扫描现在是诊断阿尔茨海默病的重要手段。一种扫描方法——MRI扫描——可以显示由阿尔茨海默病引起的脑损伤迹象，包括海马体积减小和皮质变薄。MRI和其他成像方法（如FDG-PET用于葡萄糖代谢和amyloid PET用于斑块沉积）已被纳入AD的研究诊断标准，因为它们能够检测大脑的变化（Alsubaie等人，2024年）。在过去十年中，大型、公开可访问的神经影像数据集的可用性，尤其是阿尔茨海默病神经影像计划（ADNI）数据库，促进了使用计算机化方法诊断AD的研究。ADNI和类似的项目（OASIS、AIBL）提供了数百到数千份脑部MRI扫描及相关临床数据，使得机器学习模型能够被开发和测试以检测AD（Madrid等人，2021年）。长期以来，人们一直在探索使用成像特征进行AD分类的机器学习方法。早期方法涉及使用MRI扫描测量诸如脑体积或厚度等特征，然后通过计算机程序来识别这些特征（Muksimova等人，2025年）。近年来，深度学习，特别是卷积神经网络（CNNs），由于能够自动从图像中学习有价值的信息，彻底改变了医学图像分析领域。CNNs特别适合处理图像数据（Sarvamangala和Kulkarni，2022年）。它们利用专门的滤波器来识别模式，在物体识别等任务中取得了巨大成功。CNN模型可以训练来检测脑部扫描中表明AD或其早期阶段MCI的微妙变化（Rayed等人，2024年）。与传统方法不同，基于CNN的系统不需要设计特定特征，而是从像素/体素数据中学习特征（Zhao等人，2024年）。近年来，多项研究将CNN应用于结构MRI（和其他神经影像模式），以分类受试者是否患有阿尔茨海默病（AD）、轻度认知障碍（MCI）或正常认知（CN）。这些模型范围从应用于脑切片的简单2D CNN到处理整个体积MRI的更复杂的3D CNN，以及结合CNN与其他技术的混合架构。报告的结果通常非常有希望，准确率常常超过90%，能够区分AD和健康对照组。Ebrahimi的CNN模型利用了ADNI的3D MRI数据，并通过从自然图像数据集转移学习，实现了接近97%的准确率（Ebrahimi等人，2021年）。这种高性能表明深度学习可以帮助放射科医生和临床医生更快地诊断疾病。然而，其他研究者也对这些结果表示担忧。他们认为，由于数据和分析方法的不同，模型不应始终产生相似的结果（Wen等人，2020年）。一些非常高的准确率结果可能是由于过拟合或方法学偏差（例如，无意的数据泄露），而不是真正的泛化性能（Wen等人，2020年）。尽管DL方法具有巨大潜力，但AD的传统临床诊断仍然依赖神经心理学测试和MRI的手动分析。这些传统方法存在结果报告不一致、检测延迟以及不适用性问题。虽然新兴的DL模型在如ADNI这样的基准数据集上显示出令人印象深刻的准确率（超过95%），但它们面临数据集较小、类别不平衡以及在其他情况下使用困难等问题。此外，这些模型也难以理解（Mmadumbu等人，2025年）。图1概述了不同类型的MRI及其各自的应用。结构MRI（sMRI）揭示脑损伤，功能性MRI（fMRI）显示脑连接性，扩散张量成像（DTI）评估大脑白质的功能（改编自Gong等人，2023年）。图2展示了基于MRI的深度学习检测阿尔茨海默病所涉及的步骤，从图像获取和准备到模型训练和分类（改编自Bae等人，2023年）。这些方法需要被评估以确定其优缺点以及在临床环境中的适用性。随着用于AD检测的DL研究的增加，回顾迄今为止进行的所有研究至关重要。本综述的目的是分析用于AD检测的DL架构（CNNs、ViTs和混合模型）。使用的数据集（ADNI和OASIS）需要进行审查，以确定样本量、类别覆盖率和处理方法。目标是识别反复出现的问题，如过拟合、偏差和验证问题，以及需要在实践中解决的差距（图3）。

1.1 本综述的目标和贡献
鉴于基于深度学习的AD检测方法在MRI方面的迅速发展，以及关于可重复性、临床有效性和实际适用性的持续关注，有必要对文献进行系统性和批判性的总结。本综述不仅仅关注报告的准确率值，还旨在将方法学选择、数据集特征和验证策略放在现实的临床情境中加以考虑。在此背景下，本综述的主要目标和贡献可以总结如下：
- 全面评估用于基于MRI的AD检测的深度学习架构，包括传统的卷积神经网络（CNNs）以及新兴模型，如视觉transformers（ViTs）、图神经网络（GNNs）和混合或生成架构，重点关注其设计选择及其报告的优势和局限性。
- 批判性地评估多模态整合策略，分析MRI数据如何与PET成像、脑脊液生物标志物和神经心理测量等互补来源结合，以及这种整合在多大程度上提高了超越单模态MRI方法的诊断准确性。
- 分析报告的性能与临床现实性的关系，突出简化实验设置（例如AD与认知正常分类）中的高准确率与更具挑战性和临床相关性的任务（如MCI进展预测、早期诊断和痴呆症鉴别分类）之间的差异。审查影响实际部署的关键方法学问题，如过拟合、数据泄露、有限的外部验证以及扫描仪或站点变异性。
- 识别开放的挑战和未来的研究方向，包括迁移学习的潜在作用、数据协调技术、疾病进展的纵向建模和可解释人工智能（XAI）方法，旨在提高深度学习诊断系统的透明度、泛化能力和临床信任度。

1.2 本文结构
本文的其余部分结构如下：第2节探讨了基于深度学习的AD检测方法的文献，特别关注基于MRI的方法和较新的模型。第3节描述了综述方法论，包括基于PRISMA的搜索策略、纳入和排除标准以及偏差风险评估。第4节研究了不同研究中使用的数据集和预处理流程，第5节总结了报告的模型在二元、多类和疾病进展任务中的性能。第6节讨论了限制临床研究转化的关键方法学和实际问题。第7节对发现及其对临床实践的意义进行了批判性讨论。第8节概述了未来的研究方向。最后，第9节总结了关键发现，并为基于MRI的深度学习系统在临床中的应用指明了路径。

2 相关工作
2.1 使用的深度学习架构
卷积神经网络（CNNs）是迄今为止最常见的架构，在超过80%的研究中得到应用。这反映了CNNs在图像分析任务中的强大适用性。大多数研究使用了应用于单个MRI切片的2D CNN或应用于整个体积MRI扫描的3D CNN。随着时间的推移，越来越多地采用3D CNN以充分利用三维脑信息。例如，Ebrahimi和Luo（2021）在ADNI MRI体积上使用了结合2D ImageNet特征的3D CNN，并在区分AD患者和对照组时达到了96-97%的准确率。这比他们的2D CNN实现有了显著改进（Dardouri等人，2025年；Kim等人，2025年；Rahim等人，2023年；EL-Geneedy等人，2023年）。同样，Basaia等人（2019）训练了一个定制的3D全卷积网络。他们在ADNI数据集上报告了99%的准确率（在外部队列上测试时为98.2%），用于区分AD和CN。这展示了3D CNN在捕捉全脑萎缩模式方面的能力。然而，3D模型也带来了显著更高的计算成本，并且在数据有限的情况下过拟合的风险更高，这一点在多项研究中得到了强调。CNNs不再是唯一被考虑的架构。基于注意力的模型，如视觉变换器（ViTs），已被提出用于阿尔茨海默病（AD）的磁共振成像（MRI）分析。这些模型提供了更强的全局上下文建模能力，并提高了在多站点数据集上的泛化性能。图神经网络（GNNs）也被研究用于捕捉大脑的结构关系，并提供更好的学习特征的可解释性。此外，生成对抗网络（GANs）和扩散模型越来越多地被用来通过合成逼真的MRI扫描或平衡类别分布来缓解数据稀缺问题。因此，该领域正朝着平衡性能、鲁棒性、可解释性和跨站点泛化能力的架构发展。值得注意的是，一些研究探索了混合和集成架构。其中一些研究将卷积神经网络（CNNs）与循环神经网络（RNNs）结合起来——特别是长短期记忆（LSTM）单元——以利用MRI切片或纵向扫描的时间信息。Dua等人（2020年）提出了一种CNN-LSTM混合模型来分类痴呆阶段，并在OASIS数据上实现了比独立CNN更高的准确性（约92%）。同样，Khatun等人（2023年）将CNN用于特征提取，LSTM用于纵向建模，在多类AD/MCI分类中实现了约94%的敏感性和约95%的特异性。这优于仅使用相同数据的基于CNN的模型。还采用了集成技术：多个团队结合了多个深度模型来投票或平均预测结果，以增加鲁棒性。Murugan等人（2021年）提出了一种称为DEMNET的CNN集成实现，在四类MRI数据集（非AD vs. 微度AD、轻度AD和中度AD）上实现了约95%的准确性，这比任何单一模型都要好。总体而言，结合不同网络类型的混合模型和集成模型往往能够实现一些最高的报告准确性，尽管训练复杂性和计算要求较高。最近的一些研究考察了新兴的深度学习架构。视觉变换器（ViT）和基于变换器的模型（这些模型使用自注意力机制而不是卷积滤波器）开始被应用于AD MRI分析。Ajala等人（2025年）将视觉变换器与CNN backbone（ResNet和MobileNet）结合用于AD分类，使用堆叠集成实现了约98%的准确性，使用多数投票方案实现了约97%的准确性。变换器可以捕捉图像中的长距离空间依赖关系，并通过可视化注意力权重来提高模型的可解释性。然而，它们需要大规模的训练数据集才能充分发挥潜力，而且回顾的研究并未显示出在现有MRI数据集上比CNN明显的性能优势。一些工作还采用了基于自动编码器的模型，主要用于无监督特征学习或数据增强。Ferri等人（2021年）使用堆叠的稀疏自动编码器进行预训练特征表示，然后将其输入CNN分类器。这种方法在多个AD阶段中实现了惊人的88%准确性。生成模型（如变分自动编码器或GANs）也被用于增强有限的MRI数据或执行图像到图像的转换（即生成合成MRI以平衡类别）。然而，回顾的研究中没有一项主要关注GAN架构。迁移学习已被证明可以在数据有限的设置中通过提供更强大的初始特征提取器来提高性能（Dardouri, 2025; Fathi et al., 2022; Malik et al., 2024; Singh et al., 2023）。Mehmood等人（2021年）在一个预训练在ImageNet上的VGG19模型上进行了微调，用于分割的MRI脑切片，实现了98%的AD与CAD分类准确性，以及区分早期和晚期MCI（AUC约为0.98），这显著高于从零开始的训练。Momeni等人（2025年）使用了一个预训练的DenseNet-169。经过积极的增强和类别平衡后，他们报告了99.7%的AD与CAD分类准确性（在某些成对类别比较中AUC约为1.0），反映了迁移学习结合广泛的预处理可以产生非常高的样本内性能。

2.2 变换器和注意力机制（仅MRI，独立）

基于注意力的模型，特别是视觉变换器（ViTs）及其医学变体（例如，类似Swin的分层ViTs），已经变得流行起来，用于使用MRI检测AD。与依赖于局部感受野的CNN不同，ViTs使用全局自注意力来建模整个大脑或切片令牌之间的长距离依赖关系。据报道的好处包括：（i）当与谐波化正则化结合使用时，具有更强的跨站点泛化能力；（ii）通过注意力图改进了校准和不确定性估计；（iii）通过注意力展开或变换器属性提供了更透明的显著性。然而，ViTs可能需要大量数据，如果没有充分的预训练（例如，大规模的自然图像或自我监督的MRI预训练）和强大的增强，它们在数据量较小的数据集上的表现可能会低于3D CNN。最近的混合模型将补丁（而不是2D切片）标记化，有助于保持体积上下文，而轻量级的ViTs或卷积标记器则在不牺牲注意力优势的情况下降低了计算成本。

2.3 图神经网络（GNNs）和时空网络（仅MRI重点）

GNNs将大脑建模为一个图，其中节点代表区域，如图谱ROI、皮质表面包裹或补丁级别的supervoxels，边代表解剖学、功能或形态学关系。这种结构自然捕捉了区域间的依赖关系，并支持可解释性，例如通过节点/边显著性映射到大脑区域。GNNs在预测AD、CAD和MCI转化方面表现出竞争力，特别是当与谐波化ROI特征（例如，体积、厚度）或基于表面的形态测量结合使用时。然而，它们的性能可能取决于图构建的质量（例如，图谱选择或边定义）以及它们对站点效应的鲁棒性。时空模型（例如，具有时间模块的3D CNN、时间卷积网络或变换器风格的时间注意力）使用纵向MRI数据来识别疾病轨迹。这些模型倾向于通过建模受试者内的变化来提高对早期AD的敏感性。然而，它们需要一致的后续扫描和 careful 处理缺失的时间点和对齐。当纵向数据稀缺时，时间正则化或混合效应层可以稳定训练（表1）。

表1
作者（年份） 架构 描述 强项 弱项
Abbasian和Hammond（2024年） 3D-CNN 4层卷积网络，最大池化，dropout，L2正则化，在3D MRI数据上训练 高AUC，良好的泛化能力，通过Grad-CAM可解释 需要大量内存，存在过拟合风险
Basaia等人（2019年） 全卷积网络（3D CNN） 12个卷积块（2个包含5×5×5的50个核，10个包含3×3×3的100-1600个核），ReLU激活函数，全连接层和逻辑回归输出 高准确性；处理多种MRI数据；无需手工特征；具有泛化能力，通过迁移学习高效 在c-MCI与s-MCI分类方面较弱；缺乏多模态集成
Beatrice等人（2025年） FGPCNN基于多模态融合模型 结合Contourlet和FFT变换进行特征提取，PCNN进行显著区域检测，以及基于模糊规则的融合；使用CNN和RNN进行分类 高准确性；利用互补特征；鲁棒的多模态集成 FFT缺乏局部细节；模糊规则具有主观性；PCNN的非线性建模有限
Cao等人（2023年） 仅PET、仅认知和组合3D-CNN模型 仅PET使用3D-CNN进行全脑FDG-PET；仅认知使用全连接层进行5个关键评分；组合模型结合了年龄输入 组合模型实现了最高的AUC（0.7849），通过显著性图揭示大脑区域，并利用互补数据 仅认知缺乏神经影像学洞察；仅PET的单独性能较低；组合模型在小数据集上存在过拟合风险
Chang等人（2023年） 2D CNN 输入：轴向MRI切片（113×137×1） 3个卷积模块（Conv → BatchNorm → ReLU → MaxPool） 全连接层+ softmax分类器，用于3个类别（TLE, AD, HC） 使用MATLAB SGDM和交叉验证进行训练 在多类分类中具有高准确性 能够检测微妙的、非病变模式 特征可视化显示有意义的疾病特异性区域 模型在随机数据（FDCI = 1, p < 0.01）上得到验证 公开代码可用 仅训练轴向切片（限于-29至+28毫米） 缺乏完整的3D上下文理解 年龄被回归处理，但其他混淆因素（药物、教育等）未控制 无全面的超参数调整
Coluzzi等人（2025年） 基于变换器的编码器-解码器（Brain2Char风格） 编码器将EEG序列映射为潜在向量；解码器使用CTC损失和注意力生成图素序列 良好处理时间依赖性；适合序列生成；可解释 需要大量的训练数据；计算密集 性能取决于EEG质量
Dogan等人（2025年） EfficientNet-B0 + LBP + mRMR 混合模型，使用EfficientNet-B0（深度CNN）和LBP（纹理）特征以及mRMR选择；用于分类和CBIR 在多疾病数据上具有高准确性；特征多样性；通过多种相似性指标实现鲁棒的CBIR 无需预处理；手工特征可能限制深度特征学习
Ebrahimi和Luo（2021年） 3D ResNet（18/50/101）+ 2D CNN的TL 用从ImageNet训练的2D CNN的转移权重初始化的3D CNN 基于体素的AD分类 保持空间上下文；高敏感性；利用预训练特征减少过拟合 计算成本高；从2D到3D的迁移学习仍不充分探索
Feng等人（2022年） 3D CNN 3D CNN，包含5个卷积块，批量归一化，ReLU，最大池化，1个全连接层，Sigmoid输出 捕捉完整的3D大脑上下文；类别激活图与AD病理对齐 需要大型MRI数据集；计算密集 未使用多模态输入
El-Geneedy等人（2023年） 2D CNN 2D CNN，包含5个卷积层，最大池化，dropout，密集层和softmax输出 轻量级，快速，即使在数据量较少/不平衡的情况下也具有高准确性；对OASIS有效 丢失3D空间信息；仅使用2D切片；最小化的增强 MoD类别代表性不足
Dakshayani Himabindu等人（2024年） Himabindu的DCNN 15层CNN，包含ReLU、BatchNorm、MaxPooling、L2和Dropout正则化；128×128 RGB输入；最终的Softmax层用于4个类别 高验证准确性，良佳正则化，避免过拟合，适用于大型数据集 需要大量资源进行训练；性能依赖于数据集的质量和大小
Islam和Zhang（2018年） Islam等人的集成CNN 每个模型中的密集连接（M1, M2, M3），softmax输出，使用集成投票 强性能在小数据集上，避免梯度消失，早期检测 在代表性不足的类别上表现不佳；AUC未指定
Alruily等人（2025年） 集成（VGG16 + MobileNet + InceptionResNetV2） 将3个预训练CNN的特征合并为一个向量用于AD阶段分类 高准确性，捕获多样特征，对噪声具有鲁棒性 复杂，训练耗时，存在过拟合风险
Kim等人（2025年） EfficientNet-B3（3D） 使用T1w ± T2-FLAIR MRI预测淀粉样蛋白PET阳性的深度CNN 高效扩展，良好的泛化能力，外部验证 中等AUC，低特异性，需要大型数据集
Lew等人（2023年） 结合CNN + 逻辑回归 CNN用于MRI特征提取 + 结构化数据的逻辑回归 分别为每个生物标志物训练了组合模型 结合空间特征和结构化临床数据——尤其是FDG时AUC良好 tau生物标志物的AUC相对较低 组合模型的特征解释有限
Lu等人（2018年） 多模态和多尺度深度神经网络（MMDNN） MMDNN：6个模态特定DNN + 1个融合DNN 使用MRI和FDG-PET的多尺度补丁特征，进行无监督预训练 捕捉多尺度特征；多模态融合提高性能；强大的集成投票 复杂架构；难以解释。缺乏AUC报告——依赖于模板准确性
Mehmood等人（2021年） VGG19 包含16个卷积层，5个池化层和3个全连接层 使用迁移学习（通过冻结层） 在小数据集上具有高分类准确性；增强有助于避免过拟合 仅限于二元分类；需要调整冻结层
Momeni等人（2025年） DenseNet169 使用预训练的ImageNet权重的密集连接CNN 扩展了自定义FC、dropout和softmax层；使用类别分解和集成逻辑 在所有分类任务中表现非常好；出色的泛化能力 计算成本更高；在训练期间更容易复杂和资源消耗更多
Murugan等人（2021年） DEMNET 自定义CNN：4个DEMNET块（Conv + BN + MaxPool），ReLU，Dropout，密集层 处理类别不平衡，在小数据上具有良好准确性 需要SMOTE；否则可能会过拟合
Naganandhini和Shanmugavadivu（2024年） DCNN 4层和5层CNN，包含Conv、ReLU、MaxPooling、Dropout（0.8），全连接 更简单的架构，良好的二元分类器 4层模型表现不佳
Pan等人（2020年） CNN + 集成 在轴向、矢状和冠状切片上训练的2D CNN；使用同质集成学习策略进行输出 通过区分性切片定位具有高可解释性，AD/HC分类准确性良好 在更细致的任务（MCIc vs.MCInc)Pawan Phanieswar等人（2024）：集合3DCNN多个3D CNN输入到元分类器中，为246个脑区生成P分数（Brainnetome Atlas）。可解释；能够纵向追踪神经退行性变；确认Braak阶段的一致性。计算密集型；未报告AUC；在外部数据集（OASIS）上的性能下降（79%）。Rafsan等人（2025）：InceptionV3、VGG-19。InceptionV3使用inception模块、批量归一化和标签平滑；VGG-19有19层，带有小的3×3滤波器。高精度（高达95.81%），强大的特征提取，被广泛采用。大型模型，计算需求高；由于参数更多，VGG-19训练速度较慢。Rallabandi和Seetharaman（2023）：ADD-Net（CNN）、贝叶斯CNN、U-Net。ADD-Net是一个自定义的4层CNN；贝叶斯CNN通过反向传播使用概率权重；U-Net是一个带有跳跃连接的编码器-解码器。ADD-Net可以通过Grad-CAM解释；贝叶斯CNN提供不确定性估计；U-Net在分割任务中表现优秀。ADD-Net缺乏不确定性建模；贝叶斯CNN计算复杂；U-Net在分类任务中效果较差。Saratxaga等人（2021）：Inception-ResNet。混合深度CNN架构，使用Inception-ResNet块和残差学习以及XGBoost分类器处理表格特征。捕捉复杂的空间模式；与临床特征融合可以提高性能。需要大量样本来有效泛化；仅测试了有限的多站点泛化。Spasov等人（2019）：自定义2D CNN集合。将2D CNN应用于MRI体积的中心切片，使用批量归一化、池化和ReLU激活函数；softmax输出层。在小型和预处理过的数据集上稳健；训练简单；获得了高BAC。性能高度依赖于选定的切片和预处理，跨数据集的泛化能力有限。Tufail等人（2021）：双任务3D CNN。使用可分离卷积和多模态输入（MRI、临床、遗传）的双任务3D CNN。高AUC，效率较高（约550K参数），双重学习减少过拟合，整合多模态数据。复杂的预处理；添加的warp字段预测价值最小。Wang等人（2021）：标准3D CNN，使用不同的PET图像滤波器（例如盒子、高斯）。滤波比较，二元分类性能尚可。使用滤波器后性能提升不大；未报告AUC；没有为多类别进行数据增强。

本综述对每个模型的架构特征进行了定性总结，突出了设计决策、性能驱动因素和实现问题。这种比较分析解释了为什么某些模型（如DenseNet169和Inception-ResNet）始终优于其他模型，以及在什么情况下更简单的模型（如标准2D CNN）可能就足够了，这取决于数据集的大小和任务的复杂性。表2展示了应用于MRI检测阿尔茨海默病的深度学习架构的比较。该表强调了代表性模型（如CNN、混合集合和变换器）的设计特点、优势和局限性，并解释了为什么特定架构能够实现更好的性能，以及计算成本、泛化能力或可解释性等权衡因素如何限制其临床应用。

3. 研究方法
进行了全面的文献检索，涵盖了六个主要电子数据库：PubMed、Scopus、IEEE Xplore、Web of Science、ScienceDirect和SpringerLink，遵循PRISMA 2020指南（Page等人，2021）。研究范围为2010年至2025年6月期间发表的论文。通过关键词的布尔组合（包括“阿尔茨海默病检测” AND “MRI Brain” AND “深度学习模型”）检索相关研究，共获得1,327条记录，其中421条为重复项。经过筛选后，根据标题和摘要评估了72篇文章，最终有70篇文章符合纳入定性和定量综合的标准。这些措施提高了透明度，所有程序均符合PRISMA 2020的建议，确保了检索、筛选和纳入过程的严谨性、可重复性和无偏见性（Page等人，2021）。表3详细列出了在每个数据库中应用的布尔搜索字符串和操作符，以保证可重复性。这些字符串稍作修改以适应每个数据库的语法，但基本模式相同，均涉及阿尔茨海默病、深度学习和MRI。使用MRI及相关模态检测和预测阿尔茨海默病的深度学习研究总结。该表格列出了数据集的来源、任务类型、所使用的模型、报告的性能指标以及关键观察结果。结果显示，在阿尔茨海默病（AD）与正常对照（CN）的分类任务中，模型的准确率始终很高，而在多类别任务和轻度认知 impairment（MCI）转化为AD的预测任务中，性能较低。需要注意的是，不同研究之间所使用的评价指标（如准确率、AUC、敏感性/特异性）并未标准化，这给直接比较带来了困难。扫描仪/站点效应可能会夸大表现结果，并降低结果的泛化能力。因此，我们记录了每项研究是否采用了某种协调方法，包括：（i）强度标准化（例如Nyúl/WhiteStripe或直方图匹配），（ii）偏场校正和去颅处理，（iii）ComBat风格的ROI特征统计协调，以及（iv）基于学习的协调方法（例如CycleGAN/自动编码器域对齐或风格转换）进行体素级别的协调。在有数据的情况下，我们还会注明协调参数是否在无标签泄露的情况下学习得到，以及外部站点的性能是否优于内部站点交叉验证的结果。图4展示了一个定量MRI人工智能辅助工具，该工具能在接受疾病修饰治疗的早期AD患者的FLAIR MR序列（右侧图像）上自动分割与淀粉样蛋白相关的成像异常（Bash和Tanenbaum，2023年）。

表8总结了使用MRI及相关模态进行阿尔茨海默病检测和预测的深度学习研究的模型性能指标。各指标反映了模型在不同任务类别中的表现。大部分二元分类研究的准确率超过90%（AUC≥0.95），但多类别和MCI转化任务的性能较低且变化较大，这凸显了泛化能力的不足。

### 挑战与限制
- **泛化能力**：在ADNI上训练的模型通常无法很好地泛化到外部队列；扫描仪/站点差异会导致性能下降（Kim等人，2025年；Basaia等人，2019年）。
- **数据泄露与过拟合**：接近完美的准确率可能反映了过拟合或在小型数据集上的不当分割（Momeni等人，2025年；El-Geneedy等人，2023年；Wen等人，2020年）。
- **模型可解释性**：深度模型往往被视为“黑箱”，限制了临床信任度（Rafsan等人，2025年；Butta等人，2024年）。
- **计算资源需求**：3D CNN和Transformer需要大量的GPU资源（Beatrice等人，2025年；Alruily等人，2025年）。
- **代码与数据共享**：不同站点之间的扫描仪和成像协议差异可能降低模型性能（Wen等人，2020年）。
- **模型协调**：跨站点的一致性代码/数据共享较差（Cao等人，2023年）。

### 主要的阿尔茨海默病检测方法
- **MRI模态**：
- **T1w MRI**：标准解剖学MRI序列，能提供高分辨率的脑结构图像（Katabathula等人，2021年）。
- **T1w + FLAIR**：结合了T1加权MRI和FLAIR技术，有助于显示脑白质与灰质的对比以及脑萎缩（Spasov等人，2019年）。
- **T1w + fMRI**：T1加权MRI与功能性MRI的结合，用于间接测量脑活动（Feng等人，2022年）。
- **其他方法**：
- **数据增强**：用于减轻过拟合，尤其是在样本量较小的研究中（Dardouri等人，2025年）。
- **集成学习**：结合多种模态数据，如PET-MR融合（Beatrice等人，2025年；Agarwal等人，2023年）。
- **预训练CNN**：使用预训练的CNN进行迁移学习（Chamakuri等人，2024年）。
- **模型架构**：
- **3D CNN**：表现出较高的准确率（Ebrahimi等人，2021年；Hussain等人，2025年；Agarwal等人，2023年）。
- **Transformer**：在某些情况下具有较高的效率（Wang等人，2021年）。
- **DenseNet**和**Ensemble**：也能取得较好效果（Hussain等人，2025年；Alruily等人，2025年；Alruily等人，2025年）。
- **其他补充方法**：
- **解释性AI**：如Grad-CAM和显著性图可以提高模型的可解释性（Rafsan等人，2025年；Butta等人，2024年）。
- **模型压缩**：采用高效架构以降低计算负担（Beatrice等人，2025年；EfficientNet，Agarwal等人，2023年）。在其他研究中，发现了异常高的准确率（>99%），尤其是在使用Kaggle提供的OASIS数据集或类似的单站点数据集的研究中（例如El-Geneedy等人，2023年；Momeni等人，2025年）。进一步的检查显示，这些结果通常与积极的数据增强过程有关，包括重复的几何变换（翻转、旋转、弹性变形）以及使用基于GAN的增强技术合成样本。这些过程与非分层验证协议相结合，后者在切片级别而不是受试者级别进行操作。这些方法设计使数据面临无意泄露的风险，即同一受试者的切片可能同时出现在训练集和测试集中，这可能会夸大模型的表现。虽然这些方法可能对数据集内的指标有积极影响，但并不能保证模型具有更好的泛化能力。未来的工作应侧重于受试者级别的交叉验证和外部队列测试，并报告防止泄露的措施，以确保所声称的性能的可靠性。

另一个挑战是类别不平衡。基于人群的数据集更可能包含大量的认知正常（CN）病例和轻度认知障碍（MCI）病例，而一些研究数据集中晚期阿尔茨海默病（AD）和中重度痴呆症患者的比例较低。典型的缓解方法包括过采样（Murugan等人，2021年）和代价敏感学习（Islam和Zhang，2018年）。然而，这些方法存在对重复样本过拟合的风险，并且可能无法代表现实世界的流行情况。

另一个难点是可解释性。大多数模型都是黑箱模型，因此很难理解它们的决策过程。这削弱了临床上的信任。尽管一些研究采用了可解释性方法，如Grad-CAM、贝叶斯不确定性（Rafsan等人，2025年）和注意力机制（Butta等人，2024年），但这些仍然是例外而不是常态。因此，在这一领域，可解释的AI是一个未满足的需求。

最后，还有一个计算负担的问题。训练3D CNN或基于转置器的模型需要高端GPU和时间，而这对于较小的研究小组或临床应用来说是不可获得的（Beatrice等人，2025年；Alruily等人，2025年）。其他常见问题还包括跨扫描仪的标准化问题，尽管这个问题对其结果有显著影响，但很少被讨论，以及可重复性问题，因为许多流程缺乏开源代码并且不使用标准化的预处理步骤（Wen等人，2020年）。

7. 讨论
本综述发现，深度学习模型在从MRI扫描中检测阿尔茨海默病（AD）方面取得了显著的准确率，通常优于依赖手动特征提取的早期机器学习方法。所包含研究中的卷积神经网络（CNN）架构的主导地位与之前的综述一致（Fathi等人，2022年；Singh等人，2023年），这些综述也将CNN确定为基于图像的AD分类的金标准。CNN在处理体素级数据以识别传统的AD特征（如海马体萎缩和皮质变薄）方面表现特别有效。我们的主要结论是，二元AD分类的性能优于认知正常（CN）分类。在回顾的研究中，大约75%的报告准确率超过90%，有些研究的曲线下面积（AUC）达到0.95或更高。

相反，在多类分类任务上的整体表现，特别是在区分MCI和CN以及预测MCI向AD的转化方面，明显较差，准确率范围通常在70-85%之间。这种性能差距反映了识别疾病早期阶段或前驱阶段的普遍挑战。此外，尽管少数研究报告了接近完美的结果（>99%），但大多数研究基于小型单站点数据集且未经过外部验证，这引发了关于过拟合和可重复性的担忧。

另一个重要的观察结果是泛化能力。基于人群的数据集更可能包含大量的认知正常（CN）病例和轻度认知障碍（MCI）病例，而在一些研究数据集中，晚期阿尔茨海默病（AD）和中重度痴呆症患者的比例较低。典型的缓解方法包括过采样（Murugan等人，2021年）和代价敏感学习（Islam和Zhang，2018年）。然而，这些方法存在对重复样本过拟合的风险，并且可能无法代表真实世界的患病率。

另一个难点是可解释性。大多数模型是黑箱模型，因此很难理解它们的决策过程。这削弱了临床信任。尽管一些研究采用了可解释性方法，如Grad-CAM、贝叶斯不确定性（Rafsan等人，2025年）和注意力机制（Butta等人，2024年），但这些仍然属于例外而非常态。因此，在这个领域，可解释的AI是一个未满足的需求。

最后，还有一个计算负担的问题。训练3D CNN或基于转置器的模型需要高端GPU和时间，而这对于较小的研究小组或临床应用来说是不可获得的（Beatrice等人，2025年；Alruily等人，2025年）。其他常见问题还包括跨扫描仪的标准化问题，尽管其影响众所周知，但很少被讨论，以及可重复性问题，因为许多流程缺乏开源代码且不使用标准化的预处理步骤（Wen等人，2020年）。

7.1 对临床实践的启示
深度学习模型在检测阿尔茨海默病（AD）方面展现了巨大的潜力，如果得到前瞻性的验证，它们可以帮助识别细微的MRI变化，如海马体萎缩。这将实现早期诊断、及时干预和改善患者管理。自动化的MRI分析还可以提高成像中心之间的诊断一致性，并促进大规模筛查，特别是在专业技能有限的地区。

7.1.1 监管和伦理框架
为了用于临床实践，用于检测阿尔茨海默病的人工智能（AI）系统必须符合国际医疗软件的监管标准。在美国，基于AI的诊断设备受美国食品药品监督管理局（FDA）的软件作为医疗设备（SaMD）监管框架的约束，该框架要求在整个生命周期内监控设备的安全性、有效性和性能。FDA提出的针对基于AI/ML的SaMD的修改的监管框架还关注透明度、可追溯性和现实世界性能评估。

在欧盟，医疗设备法规（MDR， Regulation (EU) 2017/745）将AI诊断工具归类为医疗设备。其使用受临床效益、风险管理、网络安全保证和符合性评估的限制，在获得CE标志之前必须进行这些评估。通用数据保护法规（GDPR）还要求在去标识化情况下保护患者信息，并在模型训练中确保公平性。

总体而言，这些模型强调可解释性、偏见控制和上市后监控，而这在许多现有的深度学习研究中是缺乏的。后续研究应开发符合监管期望的流程，例如记录预期的临床用途、确保算法透明度以及使决策逻辑可重复。

7.1.2 工作流程整合和临床应用
获得监管批准并不是将AI模型应用于实践的唯一要求；它们还应能够轻松整合到现有的医院工作流程中。在放射科部门，深度学习系统应该能够与图片存档和通信系统（PACS）、放射信息系统（RIS）和电子健康记录（EHR）协作，以便在临床单元提供自动化分析和决策支持。这种整合可以通过DICOM兼容接口实现，这些接口可以自动访问MRI研究、进行推理，并向放射科医生提供结构化的报告或视觉叠加层。

结果的可接受性取决于模型的可解释性和可靠性。模型应该能够以显著性图、Grad-CAM热图或不确定性估计的形式提供透明的理由，以展示大脑的哪些部分对预测有所贡献。这样的可解释输出使放射科医生能够将AI建议与其解剖学专业知识相结合，从而增强对基于AI程序的信任和责任感。涉及放射科医生、神经学家和AI工程师的多学科验证对于确保可用性和可靠性至关重要。

从长远来看，为了成功将阿尔茨海默病的MRI模型应用于临床实践，需要一种结合了监管合规性（FDA SaMD、EU MDR）、工作流程整合（PACS/RIS互操作性）、可解释性（可解释的AI）和临床人员参与的综合方法。只有通过平衡这些方面，AI系统才能从研究原型发展成为值得信赖的、符合监管要求的诊断工具。

7.2 当前研究的限制和开放性挑战
尽管取得了积极的成果，但现有的基于深度学习的阿尔茨海默病检测系统仍存在一些显著的缺点。大多数研究基于数据，包括来自阿尔茨海默病神经影像倡议（ADNI）的数据，这些数据并不能完全代表现实世界的人群。这引发了关于对特定成像程序和人口统计特征过拟合的担忧，这限制了系统在各种临床环境中的泛化能力。模型可能学习到与数据集特定因素相关的模式，而不是真正的疾病信号。

另一个弱点是缺乏纵向研究。由于AD是进行性的，依赖单次MRI会遗漏宝贵的时间信息。文献中使用的序列数据量有限，无法追踪大脑变化的进展，因此无法预测早期进展。此外，评估实践也不一致。

尽管许多研究展示了模型的准确率和曲线下面积（AUC），但它们往往缺乏置信区间或统计比较。这使得很难确定模型的真实优越性。很少有研究将模型性能与人类专家的性能进行对比，而这对于衡量临床相关性是必要的。

可解释性是一个重要的挑战。虽然某些模型可以使用Grad-CAM等工具来突出感兴趣的区域，但这些方法仅提供了关于模型背后推理的部分信息。如果没有进一步的解释，临床医生可能没有理由依赖AI的预测结果。此外，许多研究在报告技术上不够透明，特别是在交叉验证和测试数据分离方面。很少有研究分享他们的代码或模型，因此无法独立验证这些结果。如果该领域能更好地遵守报告标准和开放科学实践，将会带来更多的好处。

为了推进深度学习在阿尔茨海默病检测中的应用，未来的研究应优先考虑外部验证和多中心训练，以提高模型的泛化能力。在临床环境中前瞻性地部署模型，并采用联邦学习方法，可以在保护数据隐私的同时构建出稳健的模型。结合多模态输入（包括PET扫描、脑脊液生物标志物、EEG读数、遗传风险因素和认知测试分数）以及MRI扫描，可以显著提升阿尔茨海默病的早期检测能力。深度学习在阿尔茨海默病检测方面的进一步发展应重点关注外部验证和多中心训练，以提高模型的泛化能力。实施联邦学习并探索其在临床实践中的潜力，有助于构建出稳健的模型，同时保护数据隐私。将PET、脑脊液生物标志物、EEG、遗传倾向和认知测试分数等多模态输入与MRI结合使用，将大大有助于阿尔茨海默病的早期诊断。

实际上，一些高引用的研究（例如Cao等人2023年的研究，使用PET；其他基于EEG的模型）证明了除MRI之外其他模态的附加价值。尽管我们的综述主要关注MRI，但这不应忽略一个事实：仅依赖MRI的模型尽管被广泛研究，但其预测准确性可能不如多模态方法，后者能够实现更高的预测准确性和更丰富的生物标志物整合。因此，未来的研究应追求结合MRI与结构数据、功能数据或分子数据的混合框架，以增强诊断能力。纵向MRI和多模态分析对于建模疾病进展和捕捉单点时间研究可能遗漏的细微解剖变化至关重要。同时，必须通过注意力图、因果归属或原型比较等方法将可解释性融入模型设计中，使预测结果具有临床意义。

解决类别不平衡和罕见痴呆症问题需要更复杂的策略，例如基于GAN的合成MRI生成或少样本学习来识别不常见的亚型。最后，将AI整合到工作流程中需要前瞻性试验，这些试验不仅要评估诊断准确性，还要评估临床医生对系统的信任度、决策能力和实用性。

总之，这篇综述表明深度学习已经改变了使用MRI分析阿尔茨海默病的方法。该方法在区分阿尔茨海默病（AD）和认知正常案例时的准确率始终超过90%，超过了传统机器学习方法的准确性。然而，其在临床实践中的应用受到持续挑战的制约。最重大的挑战是模型的泛化能力，因为模型在不同扫描仪、不同人群或外部队列中进行测试时往往表现不佳。尽管有办法减轻站点效应，但像ComBat和基于GAN的方法这样的协调策略仍未得到充分利用。可重复性还受到代码共享不足、预处理不一致以及开放基准测试遵循程度有限的阻碍。最大挑战在于模型的泛化能力，即模型在其他扫描仪、不同人群或其他队列中的表现不佳。尽管这些协调策略（包括ComBat和基于GAN的方法）能够减少站点效应，但其潜力尚未得到充分发挥。代码共享不足、预处理不一致以及开放基准测试遵循程度有限也是影响可重复性的因素。

与此同时，架构创新正在加速发展，卷积神经网络（CNN）仍然占据主导地位，但 transformer、图神经网络、生成模型和混合集成模型正在成为有前景的替代方案。将MRI与PET、EEG、脑脊液或认知分数结合的多模态框架通常优于仅使用MRI的模型，这反映了向基于生物标志物的ATN框架的转变。然而，这些模型对特定模态的依赖限制了其可扩展性。此外，目前大多数研究仅关注阿尔茨海默病与对照组的二分类问题，这并不能准确反映现实世界中区分多种类型痴呆症的诊断挑战。很少有研究探讨纵向建模，尽管疾病进展对于早期干预至关重要。如果没有可解释性，模型就仍然是“黑箱”，这会削弱临床医生的信任。为了弥合研究与实践之间的差距，未来的工作必须优先考虑：（i）在多中心数据集上进行的外部验证；（ii）确保模型稳健性的联邦学习和协调学习；（iii）整合多模态和纵向数据以进行全面的风险评估；（iv）在模型设计中嵌入可解释性方法；（v）进行前瞻性试验以评估其对临床决策的影响。满足这些要求将决定基于深度学习的MRI工具能否从研究原型发展成为可靠且获得监管批准的系统，从而改善全球的痴呆症护理。