阿尔茨海默病（AD）是一种慢性神经退行性疾病，主要影响大脑中的神经元，尤其是与记忆、思考和行为相关的区域。在AD的辅助诊断过程中，来自影像学、遗传学、转录组学等多种形式的海量数据以及临床特征为挖掘潜在的AD分子标志物和AD的早期诊断和干预提供新的依据。近年来，深度学习模型在AD影像分类中展现出强大的特征学习和预测能力。为进一步提高分类性能，研究者将多种模态数据有效融合，提供更丰富的互补信息。该文介绍了AD常用的神经影像学数据集与评价标准，分析了各模态数据在AD分类中的应用，重点对多模态数据在AD分类诊断中的应用进行梳理分析，讨论经典深度学习网络模型在AD分类诊断中的应用，以期为进一步研究多模态深度学习技术提供思路。
(8.0+极速模式)