Verbesserte Alzheimer-Klassifizierung auf Basis von MRT-Aufnahmen durch erklärbare 3D-Hybrid-Kompakt-Convolutional-Transformers

Ein neuartiges tieflernbasiertes Modell, die 3D-Hybrid-Kompakt-Convolutional-Transformers (3D HCCT), kombiniert effektiv die Stärken von Convolutional Neural Networks (CNNs) und Vision Transformers (ViTs), um sowohl lokale Merkmale als auch Langzeitbeziehungen in 3D-MRT-Scans zu erfassen, was zu einer überlegenen Leistung bei der Alzheimer-Klassifizierung führt.