Краткое содержание

arXiv:2511.14601v1 Тип объявления: кросс Аннотация: Точное моделирование когнитивного спада при болезни Альцгеймера имеет решающее значение для ранней стратификации и персонализированного управления заболеванием. Хотя табличные предикторы обеспечивают надежные маркеры глобального риска, их способность фиксировать тонкие изменения в мозге остается ограниченной. В данном исследовании мы оцениваем прогностический вклад табличных и основанных на изображениях представлений с акцентом на трансформерные эмбеддинги магнитно-резонансной томографии (МРТ). Мы предлагаем стратегию маркировки траекторий, основанную на кластеризации динамического временного выравнивания, чтобы зафиксировать гетерогенные паттерны когнитивных изменений, а также обучаем трехмерный визуальный трансформер (ViT) методом несупервизионного восстановления на гармонизированных и аугментированных данных МРТ для получения анатомически сохраняющихся эмбеддингов без меток прогрессирования. Предварительно обученные эмбеддинги кодировщика затем анализируются как традиционными классификаторами машинного обучения, так и глубокими нейронными сетями, и сравниваются с табличными представлениями и другими подходами.