2022年3月我院健康大数据研究中心主任卢龙教授团队在《Frontiers in Aging Neuroscience》（中科院医学二区，JCR Q1，IF=5.750）发表了题为《A Two-Stage Model for Predicting Mild Cognitive Impairment to Alzheimer’s Disease Conversion》的论文。

为了解决医学影像小样本的问题，以往的研究大都采用由自然图像训练好的模型进行迁移学习。但是这种方法局限在于：首先，自然图像为二维而医学影像为三维，难以直接迁移；其次，如果将医学影像转化为二维切片，则会丢失大脑空间结构信息；最后，自然图像和医学影像之间差异很大，容易造成负迁移。为了解决上述问题，该研究提出了一种新型的结合迁移学习和对比学习的两阶段模型：首先利用有监督迁移学习来学习医学影像的通用特征，然后利用自监督的对比学习来学习目标医学影像的特有特征，最后利用有标签的样本对模型进行微调。

图1  基于两阶段迁移学习的阿尔兹海默症早期预测模型

图2  和阿尔兹海默症预测相关脑区可视化结果

将该模型应用到预测轻度认知障碍向阿尔兹海默症的转化，获得了82.0%的准确率，显示该模型可以有效地解决医学影像小样本的问题。该模型仅依赖于低侵入性、低成本的核磁共振图像，扩展了模型的适用场景，可以为阿尔兹海默症的早期诊断和临床决策提供有力的支持。

原文链接：https://www.frontiersin.org/articles/10.3389/fnagi.2022.826622/full