热点事件历史事件
VGG19迁移学习用于AD三分类MRI框架
1 篇报道1 个报道来源12 天前更新
先了解这件事
AI 综述
2026年10月16日，一项发表于 Nature 神经科学主题（官方）的研究提出基于 VGG19 迁移学习的阿尔茨海默病（AD）MRI 分类框架。该研究使用 ADNI1 Complete 1Yr 1.5T 数据集，纳入 639 名受试者、共 2294 次 MRI 观测，将 VGG19 迁移学习与混合哈里斯鹰优化和模拟退火（HHO-SA）特征选择、随机森林分类器结合，在受试者级数据划分下对阿尔茨海默病、轻度认知障碍与认知正常进行三分类，报告准确率为 98.70%。目前该结果为单一数据集上的方法学研究报告，尚未见独立外部数据集验证或临床应用的报道，其泛化能力与临床价值仍需进一步研究确认。
AI 根据报道生成 · 11 天前更新
最新进展10月16日 08:00
一项基于 ADNI 数据的研究报告 VGG19 迁移学习框架实现 AD 三分类 98.70% 准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- Nature 神经科学主题基于 VGG19 迁移学习与混合哈里斯鹰优化和随机森林的多分类阿尔茨海默病分类
一项基于 ADNI1 Complete 1Yr 1.5T 数据集（639 名受试者、2294 次 MRI 观测）的研究提出 VGG19 迁移学习结合哈里斯鹰优化与模拟退火（HHO-SA）特征选择和随机森林的框架，在受试者级划分下实现阿尔茨海默病、轻度认知障碍与认知正常三分类 98.70% 准确率。