Alzheimer’s Disease Classification using MRI-based Lightweight CNN–Transformer

알츠하이머병(AD)은 개인과 사회에 막대한 부담을 주며, 이를 줄이기 위해서는 증상 발현 이전 단계에서의 조기 진단이 필수적이다. 멀티모달 접근은 성능상 이점이 있으나 비용, 복잡성, 데이터 가용성의 제약으로 임 상적 도입이 제한된다. 본 연구는 MRI 단일 모달리티만으로 AD와 정상군(CN)을 구분하는 경량 CNN-Transformer 모델을 제안한다. 전체 MRI 볼륨에서 관심 영역(ROI)의 대표 2D 슬라이스를 추출해 저비용 입력을 구성하였고, 공유 가중치 CNN과 Transformer로 ROI 표현과 상호작용을 학습한다. 이어 ROI attention pooling으로 전역 표현을 구성해 핵심 ROI를 정량화한다. 마지막으로, 제안 모델은 Accuracy 0.88, AUC 0.93 을 달성하였으며, ROI 수준의 분석으로 높은 해석 가능성을 보였음을 확인하였다.