利用单调性约束深度几何学习来预测阿尔茨海默病进展 背景介绍 阿尔茨海默症（Alzheimer’s Disease，AD）是一种破坏性的神经退行性疾病，逐步导致不可逆转的认知下降，最终导致痴呆。这种疾病的早期识别和预测进程对于临床诊断和治疗至关重要。因此，准确模型AD进程成为研究的关键焦点。 目前，许多研究采用结构磁共振成像（MRI）来进行AD进程建模，主要集中于以下三个方面：1）时间变异性；2）不完整的观察数据；3）时间几何特征。然而，尽管已有深度学习方法尝试解决数据变异和稀疏性问题，但仍然不足够关注内在几何特性，这些特性与AD进展中的脑区大小、厚度、体积和形状相关。 在此背景下，本文作者提出了一种新的几何学习方法，用于结合纵向MRI生物标志物和认知评分的建模，并提出了一种训练算法，通过单调...