Pérdida tripleta híbrida orientada a la distancia para la clasificación automatizada de la enfermedad de Alzheimer utilizando incrustaciones de características

Resumen Este documento presenta un enfoque novedoso para la clasificación de la enfermedad de Alzheimer (EA) utilizando imágenes de MRI. Central en nuestra metodología está una Red de Incrustación de Características (FEN) diseñada para extraer y refinar características discriminativas esenciales para una clasificación precisa de la enfermedad. La FEN incorpora una función de distancia híbrida que integra la distancia euclidiana, la similitud coseno y la Distancia del Transportador de Tierra, mejorando la capacidad de la red para capturar diferencias matizadas en la estructura cerebral indicativas de la progresión de la EA. A través de un marco de pérdida tripleta cuidadosamente diseñado, la FEN se entrena para optimizar las incrustaciones de ejemplos ancla, positivos y negativos, facilitando el agrupamiento de imágenes similares mientras separa las disímiles. Los resultados experimentales demuestran la eficacia de nuestro enfoque, logrando una notable precisión del 94.89% en el conjunto de prueba, con valores de precisión, recuperación y F1-score correspondientes de 91.5%, 90% y 91.5%, respectivamente. Los análisis comparativos con modelos existentes muestran la superioridad de nuestro método propuesto en tareas de clasificación de EA. Además, nuestro estudio contribuye a una mejor interpretabilidad de las incrustaciones de características, revelando patrones distintos asociados con las etapas de la enfermedad que se alinean con los diagnósticos clínicos. La robustez y el rendimiento de nuestro modelo destacan su potencial aplicación en el diagnóstico temprano y el monitoreo de la EA, ofreciendo a los clínicos una herramienta valiosa para una clasificación y planificación de intervenciones más precisas.