La maladie de Parkinson (PD) est un trouble neurologique progressif et actuellement incurable, où un diagnostic précoce joue un rôle crucial dans le ralentissement de la progression de la maladie. Les données multi-métriques provenant de neuroimages multimodales offrent des perspectives complémentaires qui peuvent améliorer le diagnostic précoce de la PD. Dans cet article, nous proposons un Réseau d'Attention Double Auto-Supervisé (SSL-DAN) pour aborder l'incertitude des principales métriques et des régions cérébrales d'intérêt (ROIs), les dépendances globales entre les ROIs au sein de chaque métrique, et les conflits d'information découlant de l'architecture à branches multiples. D'importantes expériences menées sur l'étude des Marqueurs de Progression de la Maladie de Parkinson montrent l'efficacité de la méthode proposée.
Huang et al. (Mon,) ont étudié cette question.