AD 风险分层与多模态研究
本研究围绕阿尔茨海默病（AD）相关风险评估与智能辅助分析，融合常规血液检测指标、脑部磁共振成像（MRI）、动态脑功能连接及临床数据，探索从风险分层到多模态模型解释的技术路径。
研究希望为阿尔茨海默病相关早期筛查、医学数据分析和智能诊断研究提供技术支持。
研究结合血小板与淋巴细胞比值（PLR）和 γ-谷氨酰转移酶（GGT）等常规检测指标，通过双指标交叉分析与阈值分类，探索炎症相关指标和代谢相关指标的不同组合与阿尔茨海默病相关风险之间的关系，为后续生物标志物检测和进一步风险评估提供参考。
多模态分析整合脑部 MRI、动态脑功能连接（dFC）及临床表格数据，从脑部影像特征、脑功能连接的动态变化和临床变量等多个维度开展综合分析，探索不同类型医学数据对疾病相关预测任务的支持作用。
研究结合 3D Grad-CAM、SAGE 和时间注意力机制等方法，识别模型关注的影像区域、重要时间帧及关键临床特征，分析不同数据维度对模型预测结果的相对贡献。相关信息可整合为结构化解释性分析报告，为模型评估、结果复核及科研分析提供参考。