arXiv · ML· Dawa Chyophel Lepcha, Sophie A. Martin, Pierrick Coup\'e, Shabbir Syed Abdul·· 21 小时前AI 评分28
AdaptAD：基于基础模型适应与缺失模态鲁棒性的阿尔茨海默病分期方法
AdaptAD: Foundation Model Adaptation with Missing Modality Robustness for Alzheimer's Disease Staging Across the Disease Continuum
AI 导读
提出基于冻结 ViT-B/16 的 AdaptAD 方法，通过 LoRA 训练仅 350 万参数，在 ADNI 数据集三分类宏 AUC 达 0.745，显著优于全量微调及 3-D CNN。 该方法将形态计量学处理为 Token 或 [MISSING] 标记，在 OASIS-3 外部测试集 AUC 达 0.780，证明 2-D 基础模型无需 FreeSurfer 即可实现阿尔茨海默病分期。
来源：arXiv · ML · arxiv.org