标题：融合多层次与隐空间特征的脑疾病辅助诊断研究
作者：高礼彬
作者单位：浙江工贸职业技术学院人工智能学院，浙江 温州 325003
关键字：自编码器；去噪扩散概率模型；隐空间特征；脑疾病
摘要：近年来，人工智能技术在脑疾病辅助诊断领域成为研究热点。提出IMLSFM模型（Integrating Multi-Level Features and Latent Space Features Model），通过结合去噪扩散概率模型（DDPM）和自动编码器（AE），有效降低噪声和伪影影响，并通过多尺度特征提取与融合，克服传统方法的局限性。IMLSFM在捕捉脑影像复杂模式方面表现优异。实验结果显示，IMLSFM在ADNI数据集上的eMCI/lMCI分类准确率达88.0%，lMCI/AD分类准确率为84.4%，NC/eMCI/lMCI/AD四分类任务准确率为59.6%。在ABIDE数据集的ASD/NC分类中，准确率达74.7%。这些结果表明，IMLSFM在脑疾病诊断中性能优越，为相关研究和临床诊断提供了新方法与思路。