Trong bài báo này, chúng tôi đề xuất một khuôn khổ học sâu mới, Mạng Không gian-Tần số (SFNet), dựa trên MRI 3D để chẩn đoán sớm bệnh Alzheimer (AD). SFNet cải thiện độ chính xác của chẩn đoán AD bằng cách sử dụng đồng thời thông tin trong cả miền không gian và miền tần số. Không giống như các nghiên cứu trước đây chỉ sử dụng một trong hai miền không gian hoặc miền tần số hoặc bị giới hạn ở MRI 2D, SFNet là mô hình học sâu đầu cuối đầu tiên sử dụng cả thông tin không gian và tần số của MRI 3D. Nó trích xuất các đặc điểm không gian cục bộ thông qua Mạng Tích chập Dày đặc được nâng cao, nắm bắt các biểu diễn miền tần số toàn cục thông qua mô-đun tần số toàn cục và cải thiện việc trích xuất các đặc điểm không gian thông qua mô-đun chú ý đa thang đo. Kết quả thử nghiệm sử dụng tập dữ liệu ADNI cho thấy SFNet đạt độ chính xác cao hơn (95,1%) và giảm chi phí tính toán so với các phương pháp hiện có.
