Dans cet article, nous proposons une nouvelle architecture de réseau neuronal à impulsions (SNN), économe en énergie et interprétable, FasterSNN, pour le diagnostic précoce de la maladie d'Alzheimer (MA), notamment au stade de trouble cognitif léger (TCL). Pour pallier la faible capacité de représentation et les problèmes d'apprentissage instables des SNN conventionnels, nous concevons une architecture de réseau neuronal hybride intégrant des neurones LIF d'inspiration biologique, des convolutions localement adaptatives et une attention à impulsions multi-échelles. Cette architecture traite efficacement les données d'IRM 3D tout en maintenant la précision diagnostique. Elle démontre des performances compétitives, une efficacité accrue et une stabilité supérieure par rapport aux méthodes conventionnelles grâce à des expériences sur des jeux de données de référence. Le code source est open source.
