《Psychiatry Research: Neuroimaging》：Mask Attention Layer Modified Residual Vision Transformer with Transfer Learning Based Features Extraction for Alzheimer Disease Classification
编辑推荐：
•通过结合InceptionResNetV2、DenseEfficientNet-B3和ConvoGoogleNet，开发多模型迁移学习特征提取框架，实现对MRI图像中相应的局部、全局和层次化描述的提取。•在改进的残差视觉Transformer中引入掩码注意力层，以突出疾病相
- •
通过结合InceptionResNetV2、DenseEfficientNet-B3和ConvoGoogleNet，开发多模型迁移学习特征提取框架，实现对MRI图像中相应的局部、全局和层次化描述的提取。
- •
在改进的残差视觉Transformer中引入掩码注意力层，以突出疾病相关的解剖区域，同时克服冗余背景信息，从而提升特征辨别能力和分类性能。
- •
利用远足部队调整（HkTO）算法进行同时特征选择和超参数调整，消除冗余特征并提高计算效率。
- •
根据在OASIS和ADNI数据集上进行的广泛实验，所提出的框架始终优于传统的基于CNN、ViT和LSTM的模型，以及新的基于Transformer的基准方法。
引言
准确描述和评估临床症状是诊断阿尔茨海默病（AD）的重要组成部分。AD是一种进行性损害记忆力、认知功能、学习能力和组织能力的神经系统疾病（Alp等，2024）。症状通常在50岁后开始出现。尽管AD目前没有确切的治愈方法，但现有药物可以帮助管理症状并减缓疾病进展。AD通常分为三个主要阶段，第一阶段为临床前阶段。在临床前阶段，大脑和血液中发生病理变化，但没有明显的临床症状（Hu等，2023；Ebrahimi等，2021）。普遍认为，AD相关病理变化至少比明显症状出现前15年开始（Afzal等，2021；Sarkar，2025）。
第二阶段为轻度认知障碍（MCI），其特征是认知衰退主要局限于单一领域，最常见的是记忆力（Dogan等，2023；Kushol等，2022）。最后阶段以显著认知损害为标志，影响多个领域，包括记忆力和执行功能，对日常生活活动造成严重干扰（Mubonanyikuzo等，2025）。大多数传统方法采用磁共振成像（MRI），这些数据来自ADNI数据库（Shanmugam等，2022）。AD识别中使用了各种医学成像技术，如fMRI、MRI、CT、EEG和PET扫描（Jo等，2022）。
传统ResNet是一种仅依赖MRI数据的AD分类方法，这限制了其泛化能力，在其他成像技术的数据上表现不佳（Chen等，2024）。传统的基于ResNet50的疾病分类方法对连续特征进行连续离散化，导致信息损失，缺乏纵向分析和基于集成的模型解释，限制了鲁棒性和泛化能力（Alatrany等，2024）。现有的基于深度学习（DL）的AD简化框架限制了模型捕获高度复杂模式的能力（Helaly等，2022）。基于迁移学习的分类方法面临负迁移问题，即源域和目标域之间相似性不足会降低模型性能（Raza等，2023）。基于MRI的深度学习辅助AD分期分类方法面临可解释性问题（Shamrat等，2023）。
AD是痴呆最常见的病因，是一种退行性脑部疾病，会逐步削弱记忆、思维、学习和组织能力。第一阶段为临床前期，大脑和血液出现异常但无明显症状。该疾病的末期被定义为在记忆和执行功能等多个领域出现认知损害，对日常生活活动造成严重干扰。现有模型在标准数据集上的AD分类中存在多个问题。大多数现有模型面临过拟合问题、高计算资源需求、高训练时间和有限的泛化能力。尽管已有大量研究利用CNN、残差网络和基于Transformer的架构进行AD分类，但大多数模型依赖单一特征提取骨干网络，对疾病特定区域的注意力有限，或未协同优化特征选择和分类器超参数。为克服这些局限性，本研究提出了一种从MRI图像中进行精确AD分类的新型方法。本工作的主要贡献总结如下。
- •
通过结合InceptionResNetV2、DenseEfficientNet-B3和ConvoGoogleNet，开发多模型迁移学习特征提取框架，实现对MRI图像中相应的局部、全局和层次化描述的提取。
- •
在改进的残差视觉Transformer中引入掩码注意力层，以突出疾病相关的解剖区域，同时克服冗余背景信息，从而提升特征辨别能力和分类性能。
- •
利用远足部队调整（HkTO）算法进行同时特征选择和超参数调整，消除冗余特征并提高计算效率。
- •
根据在OASIS和ADNI数据集上进行的广泛实验，所提出的框架始终优于传统的基于CNN、ViT和LSTM的模型，以及新的基于Transformer的基准方法。
本文其余部分结构如下：第2节介绍文献综述和研究空白。第3节详细阐述所提出的方法论，包含必要的图表和数学表达式。第4节描述实验结果和讨论。第5节在结论中总结整个研究工作。
章节摘要
相关工作
Suchitra等（2025）开发了EfficientNetB7用于AD的早期检测和分期。所提出的方法利用深度学习方法及卷积神经网络（CNN）对医学图像进行评估，以实现AD的早期检测。选择EfficientNetB7模型是因为其具有有效的扩展能力。其复合缩放方法均匀扩展网络维度，从而带来更好的性能和效率。EfficientNetB7模型达到了98.2%的准确率。EfficientNetB7
提出的方法论
所提出的框架与现有方法不同，它将多模型迁移学习特征提取、与改进的残差视觉Transformer结合的掩码注意力层，以及基于HkTO的特征选择和超参数优化相结合。与通常依赖单一骨干网络或注意力机制的传统CNN或Transformer方法不同，所提出的架构利用了相应的特征描述。它协同优化了
结果与讨论
这些结果表明，所提出方法的实现是在Python中完成的。本研究使用了九种不同的模型：G-Net Lasso-LSTM、Eff-Net Lasso-LSTM、DenseNet Lasso-LSTM、Eff-Net Lasso-ViT、G-Net Lasso-CNN、DenseNet Lasso-CNN和Eff-Net Lasso-CNN。所提出的系统采用80%–20%的训练集–测试集划分。用于实现所提模型的硬件配置、超参数详情和层结构详情分别见表5、表6和表7。
的
结论
本研究提出了一种具有迁移学习特征提取的MRViT用于AD分类。在AD中，大多数预处理技术可能会增加噪声并降低图像质量。然而，本研究使用了改进的像素高斯滤波器来降低噪声并提高MRI AD图像的质量。在本研究中，利用深度学习模型InceptionResNetV2、DenseEfficientNet-B3和ConvoGoogleNet从MRI数据中提取互补特征表示。整体所提出的特征
数据可用性声明
本研究使用的数据集公开可用，并根据Kaggle平台上各自提供者所述的许可条款进行分发。除原始数据提供者所述的限制外，对这些数据集的使用未施加额外限制。本研究无需额外的伦理审批或知情患者同意。
CRediT作者贡献声明
Sangameshwari Nagappa Maitri：写作–审阅与编辑，写作–初稿撰写，可视化。Rahul Ramesh Chakre：验证，指导，软件。
Sangameshwari Nagappa Maitri|Rahul Ramesh Chakre
