阿尔茨海默病（AD）是一种逐渐恶化的神经退行性疾病，影响着数百万老年人，预计在未来几年内其发病率将显著上升。早期诊断，尤其是在轻度认知障碍（MCI）阶段，对于及时干预至关重要。结构性磁共振成像（sMRI）已成为检测与AD相关的脑部变化的关键手段，但传统的基于图的方法往往在模态和跨站点异质性方面存在困难，限制了诊断性能。
在本文中，我们提出了阿尔茨海默病诊断的图匹配网络（GMN4AD），旨在建模来自神经影像数据的异质脑图之间的交互。与传统方法独立处理每个脑图不同，GMN4AD利用图匹配来捕捉跨图关系，提高诊断精度。此外，我们引入了一种测试时域自适应策略，结合对比学习以减轻推理过程中的领域偏移。
在三个公共AD数据集上的广泛实验表明，GMN4AD相较于现有最先进的方法表现出色，提供了一种稳健且具有良好泛化能力的AD诊断解决方案。
博主点评：GMN4AD的创新之处在于利用图匹配捕捉脑图之间的关系，并通过对比学习进行域适应，解决了传统方法在异质性上的不足。该方法的优越性能为阿尔茨海默病早期诊断带来了新的希望，值得在临床实际中推广应用。