अल्ज़ाइमर रोग (एडी) के निदान में मिसिंग मोडैलिटी की समस्या का समाधान करने के लिए, जहाँ कई रोगियों के पास लागत और नैदानिक बाधाओं के कारण पूर्ण इमेजिंग डेटा का अभाव होता है, हम एक प्रोटोटाइप-निर्देशित अनुकूली आसवन (पीजीएडी) ढाँचा प्रस्तावित करते हैं जो अपूर्ण मल्टीमॉडल डेटा को सीधे सीखने में एकीकृत करता है। पीजीएडी प्रोटोटाइप मिलान के माध्यम से मिसिंग मोडैलिटी निरूपण को बढ़ाता है और एक गतिशील नमूनाकरण रणनीति के माध्यम से सीखने को संतुलित करता है। हम एडीएनआई डेटासेट पर विभिन्न मिसिंग दरों (20%, 50% और 70%) के साथ पीजीएडी का सत्यापन करते हैं, जो मौजूदा अत्याधुनिक तरीकों की तुलना में महत्वपूर्ण प्रदर्शन सुधार प्रदर्शित करता है। आगे के प्रयोग प्रोटोटाइप मिलान और अनुकूली नमूनाकरण की प्रभावशीलता की पुष्टि करते हैं, जो वास्तविक दुनिया की नैदानिक सेटिंग्स में मजबूत और मापनीय एडी निदान के लिए इस ढाँचे की क्षमता को उजागर करते हैं।
