Oct, 2023

CAPCODRE：一种基于计算系统生物学和机器学习的方法，用于预测老年人认知障碍风险

PDF
TL;DR通过使用计算机算法，结合环境污染数据和基因蛋白相互作用网络以及认知障碍住院数据，本研究成功开发了一个应用于预测老年人认知障碍风险的交互网络。该算法能够通过特异性、敏感性和准确性指标，预测和模拟认知健康问题的风险，并通过用户的个人医疗历史和地理位置，为用户提供个性化的预测。该研究还有望解决认知障碍诊断和治疗中的种族差异问题，促进更公平、可及的护理。
elderlycognitive disorderscomputational algorithmenvironmental pollutionracial disparities
发现论文，激发创造
  • 利用可穿戴设备的机器学习模型自主识别认知能力较弱的老年人

    穿戴设备预测模型、认知损害、机器学习模型、预测特征、持续健康监测

    Aug, 2023

  • 阿尔茨海默病恶化预测的机器学习方法

    本文探讨了使用机器学习预测阿尔茨海默病恶化的能力，并在 Alzheimers Disease Neuroimaging Initiative 的数据集上使用了六种机器学习模型。最后展示了对两组数据的预测效果，即针对健康组和轻微认知障碍组的恶化预测，分别使用了 CART 和 Elastic Net 获得了较好的结果。

    Jun, 2023

  • 利用具备自然语言处理能力的娱乐聊天机器人进行老年人认知障碍的自动检测

    提出了一种智能对话系统，用于娱乐老年人并通过聊天对话阶段评估认知能力，并通过机器学习算法检测认知障碍，从而实现自动化的认知障碍检测方法。

    May, 2024

  • NeuraHealth：使用深度学习和自然语言处理在电子健康记录中自动筛查未被诊断的认知损伤的管道

    通过使用电子病历和深度学习技术提供早期诊断，本研究为发现未被诊断的病例提供了自动化的筛查方式，同时解决了目前诊断方式中的缺乏有效工具的问题。

    Jan, 2022

  • 使用生存机器学习模型在 ADNI 队列上预测阿尔茨海默病诊断风险随时间的变化

    利用生存机器学习建立了一个可预测认知能力下降导致痴呆症状发展以及预测发展时间的模型，预测能力良好，可用于临床研究和预测患阿尔茨海默病的风险。

    Jun, 2023

  • 面向老龄社会的 AI 神经技术 —— 使用信息几何机器学习方法开发任务负荷和痴呆症 EEG 数字生物标志物

    该论文讨论了利用脑波技术开发数字生物标识符以监测痴呆症，提出了一种基于信息几何的分类方法以自动辨别脑电图诱发反应，通过机器学习技术进行轻度认知障碍和阿尔茨海默病的诊断。

    Nov, 2018

  • 量子机器学习在认知领域中的应用：阿尔茨海默病研究

    使用量子计算技术和人工智能方法，对老年人的手写数据进行早期阿尔茨海默病诊断，取得了 0.75 的准确率。

    Sep, 2023

  • 基于主成分分析和机器学习的阿尔茨海默病辅助诊断系统

    通过使用人工神经网络和支持向量机作为分类器，以及主成分分析作为特征提取技术，这篇论文研究了基于机器学习的方法在阿尔茨海默病检测和分类中的性能，并表明这种组合方案在准确度和优势方面取得了显著成果。

    Apr, 2024

  • 早期发现痴呆症的游戏化人工智能方法

    通过整合基于卷积神经网络的健康指标数据和面部图像数据的认知评估游戏应用程序，本研究旨在开发一种新的深度学习启发的游戏方法，以早期检测痴呆症。通过我们的工作，我们的提出的 MOD-1D-CNN 模型可以使用真实生活的健康指标数据识别 70.50％的痴呆特征，而提出的 MOD-2D-CNN 模型则可以使用真实生活的面部图像数据识别 95.72％的痴呆状态。因此，我们应用一种基于规则的加权方法来结合这两种方法以达到最终决策。

    May, 2024

  • 研究机器学习方法在预测早期阶段的痴呆病稳定性

    本文研究了机器学习算法在预测痴呆症中的稳定性，并发现支持向量机和朴素贝叶斯算法是最稳定的算法，在使用信息增益方法进行特征选择时比主成分分析更有效。

    Sep, 2022