AT-Attn: Temporal-Aware Cross-Attention for Longitudinal Multimodal Alzheimer's Disease Diagnosis

📄 arXiv: 2607.07091v1 📥 PDF

作者: Xinyue Du, Yibo Liu, Zhenglei Zhou, Xuancheng Yao, Weimin Zhong, Qiuhui Chen

分类: cs.CV, cs.AI

发布日期: 2026-07-08

备注: Submitted to IEEE BIBM 2026. 8 pages, 4 figures

💡 一句话要点

提出AT-Attn以解决阿尔茨海默病诊断中的多模态信息融合问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 阿尔茨海默病 多模态融合 时间感知 交叉注意力 临床诊断 机器学习 医疗影像

📋 核心要点

  1. 现有的阿尔茨海默病诊断方法在处理多模态信息时存在性能下降的问题，尤其是在MRI数据噪声或缺失的情况下。
  2. 论文提出的AT-Attn框架通过时间感知的非对称交叉注意力和门控融合，旨在有效整合MRI与临床信息，提升诊断准确性。
  3. 实验结果表明，AT-Attn在多个性能指标上均优于传统的单模态和简单多模态融合方法，显示出其在临床应用中的潜力。

📝 摘要（中文）

在阿尔茨海默病（AD）长期诊断支持中，临床和影像信息通常在不规则的访问中收集。整合这些多模态观察可能改善诊断评估，但简单融合在MRI噪声或间歇性缺失时可能降低性能。我们提出了AT-Attn，一个时间感知的多模态框架，结合了变化与时间编码、时间偏置的非对称交叉注意力和门控融合，以整合MRI与长期临床信息。我们在一个包含1,520名患者的MRI保留ADNI队列上评估了AT-Attn，结果显示该模型在患者级别的五折交叉验证中表现优异，准确率为0.719±0.024，宏观F1为0.721±0.023，ROC-AUC为0.873±0.013，PR-AUC为0.783±0.018，超越了单模态和简单多模态融合基线，同时与强大的表格基线保持竞争力。这些结果表明，时间感知和受限的融合策略能够帮助结构性MRI为患者级AD诊断提供临床相关的补充信息。

🔬 方法详解

问题定义：本论文旨在解决阿尔茨海默病诊断中多模态信息融合的挑战，尤其是在MRI数据噪声或缺失时，现有方法往往无法有效整合不同来源的信息，导致诊断性能下降。

核心思路：AT-Attn框架通过引入时间感知的非对称交叉注意力机制，结合变化与时间编码，旨在更好地捕捉临床信息与MRI数据之间的时序关系，从而提升诊断的准确性和可靠性。

技术框架：该框架主要包括三个模块：变化与时间编码模块、时间偏置的非对称交叉注意力模块和门控融合模块。变化与时间编码模块负责提取临床信息的时序特征，交叉注意力模块则用于整合不同模态的信息，最后通过门控机制实现信息的有效融合。

关键创新：AT-Attn的核心创新在于其时间偏置的非对称交叉注意力机制，该机制能够动态调整不同模态信息的权重，克服了传统方法在处理多模态数据时的局限性，尤其是在数据不完整的情况下。

关键设计：在模型设计中，采用了特定的损失函数以平衡不同模态的信息贡献，并通过交叉验证优化模型参数，确保模型在不同数据集上的泛化能力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

AT-Attn模型在MRI保留ADNI队列中表现出色，准确率达到0.719±0.024，宏观F1为0.721±0.023，ROC-AUC为0.873±0.013，PR-AUC为0.783±0.018，显著优于单模态和简单多模态融合基线，展示了其在临床应用中的有效性。

🎯 应用场景

该研究的潜在应用领域包括医疗影像分析、临床决策支持系统等，能够为阿尔茨海默病的早期诊断提供更为精准的工具，提升临床医生的诊断效率和准确性。未来，AT-Attn框架还可扩展至其他疾病的多模态数据分析，具有广泛的应用前景。

📄 摘要（原文）

In longitudinal Alzheimer's disease (AD) diagnosis support, clinical and imaging information is often collected at irregular visits. Integrating these multimodal observations may improve diagnostic assessment, but naive fusion can degrade performance when MRI is noisy or intermittently unavailable. We propose AT-Attn, a temporal-aware multimodal framework that combines Change-and-Time encoding, time-biased asymmetric cross-attention, and gated fusion to integrate MRI with longitudinal clinical information. We evaluate AT-Attn on an MRI-retained ADNI cohort of 1,520 patients using structural MRI, six cognitive-scale trajectories, and seven static clinical variables under patient-level five-fold cross-validation. The main asymmetric AT-Attn model achieves accuracy 0.719+/-0.024, macro F1 0.721+/-0.023, ROC-AUC 0.873+/-0.013, and PR-AUC 0.783+/-0.018, outperforming unimodal and naive multimodal fusion baselines while remaining competitive with strong tabular baselines. These results suggest that a temporal-aware and constrained fusion strategy can help structural MRI contribute clinically relevant complementary information for patient-level AD diagnosis support.