Classification of Alzheimer’s Disease using Multilayer Graph Attention Neural Networks and Multimodal Neuroimaging
Notice bibliographique
Résumé
Alzheimer’s Disease (AD) is a progressive, impairing neurodegenerative disorder that predominantly affects older adults, characterized by gradual cognitive decline, memory impairment, and diminished ability to perform daily activities. The disease poses a significant global health challenge, with increasing prevalence and no definitive cure. Early and accurate diagnosis of AD remains paramount. Conventional diagnostic methods rely on clinical evaluations or single-modality neuroimaging, often missing the multifaceted nature of AD-related brain changes. To address these limitations, this study presents a novel, integrative framework combining multilayer Graph Attention Neural Network (GAT) with multimodal neuroimaging data for robust AD classification. We constructed structural and functional brain networks using Diffusion Weighted Magnetic Resonance Imaging (DW-MRI) and functional MR Imaging (fMRI), respectively. A multilayer graph was formed by integrating intra and inter connectivities into a comprehensive supra-adjacency matrix, thereby effectively capturing both anatomical and functional interactions within the brain. To analyze this complex multilayer network, a GAT was designed to learn crucial connectivity patterns by assigning adaptive attention weights to graph nodes and edges, allowing the model to emphasize brain regions most affected by AD pathology. The proposed framework was trained and evaluated on a dataset comprising 100 AD patients and 100 normal cognitive subjects. The model achieved a high classification accuracy of 97.5%, significantly outperforming traditional single modality approaches and other existing machine learning models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».