알츠하이머병(AD)은 진행성 신경퇴행성 질환이며, 효과적인 임상 중재를 위해서는 조기 발견이 필수적이다. 기존 딥러닝 접근법은 MRI 데이터를 활용하여 유망한 결과를 보고해 왔으나, 대부분은 전체 3차원 볼륨 또는 표준 2차원 축상 및 관상 슬라이스에 의존하여, 종시상(parasagittal) 영상의 진단적 가치를 종종 간과한다. 또한 많은 기존 모델은 주의(attention) 메커니즘과 멀티 브랜치 아키텍처를 결여하고 있어, 국소적 특징과 문맥적 특징을 모두 포착하는 능력이 제한된다. 이러한 한계를 극복하기 위해, 우리는 시상(sagittal), 관상(coronal) 및 종시상(parasagittal) 슬라이스를 정중선에서 6.257° 비켜난 오프-미드라인(off-midline) 각도로 추출하여 통합하는, 주의 유도(attention-guided) 이중 경로 듀얼패스 CNN을 제안한다. 제안한 아키텍처는 다중 스케일 특징 추출을 위해 CBAM이 강화된 Inception-v4 경로와, 집중형 SNeurodCNN 브랜치를 결합한다. ADNI 데이터베이스의 T1 가중 MRI 스캔을 사용하여, 제안 모델은 정확도 98.9%와 AUC 0.992를 달성하였으며, 정확하고 조기 AD 분류를 위한 잠재력을 보여주었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.