近日，杭州电子科技大学视听认知健康与智能影像分析评价工信部重点实验室盛锦华教授团队联合北京医院(国家老年医学中心)的专家在国际顶级期刊《Artificial Intelligence Review》上发表题为”Optimizing deep learning with improved Harris Hawks optimization for Alzheimer’s Disease detection”的论文，介绍在脑与认知科学领域的最新研究成果，这也是该团队今年到目前为止在该领域发表的第8篇重要的SCI期刊论文。《Artificial Intelligence Review》是国际公认的人工智能领域的顶级期刊，致力于发表人工智能、认知科学和相关学科的最新研究成果和综合评论，目前影响因子为13.9。该研究成果的发表，不仅是对我校科研团队在这一交叉领域研究实力的高度认可，也是杭州电子科技大学在推动传统优势学科与信息技术、人工智能深度融合方面取得的重要突破。
阿尔茨海默病(Alzheimer’s Disease, AD)作为全球老龄化社会的重大健康挑战，传统诊断主要依赖医生临床经验和磁共振成像(Magnetic Resonance Imaging, MRI)影像解读，存在主观性强、识别滞后等问题。尽管深度学习模型已广泛应用于医学图像分析，但其性能仍受到超参数难以调优、易陷入局部最优等问题的限制。针对上述难题，本研究提出了一种改进的混合群智能优化模型（简称CAHHO），通过引入交叉搜索机制与自适应β-爬山算法，有效提升算法的全局搜索能力与局部精度，在高维复杂问题中展现出优异的稳定性与鲁棒性。
本研究通过智能优化算法CAHHO与深度学习模型的融合，实现模型的超参数自适应优化，有效提升了阿尔茨海默症发病早期诊断的准确率，为阿尔茨海默症的早期筛查与干预提供高效精准的支持。同时，该模型具备良好的可解释性，借助可视化技术辅助分析关注的关键脑区，进一步增强了临床实用性。研究结果表明，所主要聚焦的海马体、杏仁核、颞叶皮层、扣带皮层等与AD密切相关的区域，显示出该方法不仅“算得准”，也“看得清”，具有良好的临床解释力和应用推广潜力。
该研究第一作者为重点实验室博士研究生张谦，通讯作者为盛锦华教授。该研究得到了国家自然科学基金项目(62271177)和浙江省自然科学基金重点项目(LZ24F010007)的资助。
（论文链接：https://doi.org/10.1007/s10462-025-11304-9）
