一种基于多模态域适应的阿尔兹海默病预测方法

本发明公开了一种基于多模态域适应的阿尔兹海默病预测方法，包括：S1、数据预处理；S2、特征提取；S3、模态间语义对齐；S4、多头注意力特征融合；S5、域迁移训练；S6、分类预测。本发明包括双通道3D CNN提取特征、高斯核优化模态对齐、多头注意力动态融合特征、对抗训练减少域差异。其融合MRI的结构信息与PET的功能代谢信息，提升特征丰富度；且采用多头注意力机制动态调整权重，捕捉跨模态语义关联。实验表明，该方法在ADNI数据集上的分类准确率显著优于现有技术，尤其在pMCI vs.sMCI任务中提升3.26％以上，为阿尔兹海默病的早期诊断提供了高效可靠的辅助工具。